تحلیل داده: پیش بینی قیمت سهام در بورس اوراق بهادار تهران

برای پیش بینی قیمت سهام در بورس اوراق بهادار از روش های مختلفی استفاده می شود. عوامل مختلفی بر روی قیمت سهام تاثیرگذار هستند که سرمایه گذاران می بایست این متغیرها را که در سطوح مختلف اقتصادی، صنعت و شرکت قرار دارند پیش بینی و از طریق آن اقدام به پیش بینی قیمت سهام کنند. برای پیش بینی قیمت سهام می توان از دو رویکرد آماری و یادگیری ماشین استفاده کرد. روش های آماری از سابقه طولانی تری برای پیش بینی قیمت سهم برخوردار هستند. اما در سال های اخیر با توسعه قابلیت های نرم افزاری و انباشت حجم بالای داده ها، روش یادگیری ماشین روند رو به رشدی را تجربه کرده است. رویکرد یادگیری ماشین شامل الگوریتم های متفاوتی است که یکی از مشهورترین این الگوریتم ها شبکه ی عصبی مصنوعی است. یادگیری عمیق روش بسیار کارا در شبکه ی عصبی است، چرا که مجموعه ای از روش ها در جهت استخراج ویژگی و یادگیری دقیق انجام می شود. در این پژوهش، یک مدل ترکیبی برای پیش بینی قیمت سهام ارائه می شود که از ترکیب دو معماری شبکه عصبی مختلف، یعنی شبکه عصبی پیچشی و شبکه عصبی حافظه کوتاه مدت ماندگار استفاده می کند. در این ترکیب ویژگی داده ها توسط شبکه عصبی پیچشی استخراج شده و توسط شبکه عصبی حافظه کوتاه مدت ماندگار پیش بینی انجام می شود. با توجه به نتایج تحقیق، در چهار نماد بررسی شده، مدل CNN-LSTM بهترین عملکرد را در پی داشته است و فقط در نماد خودرو مدل CNN-GRU با اختلاف بسیار جزئی نسبت به مدل CNN-LSTM عملکرد بهتری داشته است. در بین مدل تکی نیز مدل CNN عملکرد بسیار بهتری نسبت به دو مدل تکی دیگر داشته است.

Keywords:

کلمات کلیدی: تحلیل داده , پیش بینی قیمت سهام , شبکه عصبی پیچشی , شبکه عصبی حافظه کوتاه مدت ماندگار , شبکه ی عصبی مصنوعی