تحقیق کاربردی شبکه عصبی و الگوریتم BP در طبقه بندی و پیش بینی الگوی قیمت سهام

در پس زمینه کلان داده و مالی اینترنتی سرمایه گذاری کمی بیش از پیش حیاتی میشود و پیش بینی قیمت سهام کانون توجه و تحقیق سرمایه گذاران قرار گرفته است. هدف از این تحقیق استفاده از شبکه عصبی و الگوریتم BP در طبقه بندی و پیش بینی الگوهای قیمت سهام است. روش استفاده از شبکه عصبی الگوریتم BP برای دادههای تراکنش ۵ روز متوالی به عنوان نمونه ورودی است بنابراین ۲۰ گره لایه ورودی وجود دارد. پس از آموزش شبکه عصبی الگوریتم BP داده های آزمون داده های قیمت سهام برای ۵ روز متوالی مستقل از داده های آموزشی به عنوان ورودی شبکه عصبی استفاده می شود و قیمت بسته شدن روز بعد به عنوان هدف استفاده میشود. خروجی شبکه از طریق خطای بین خروجی واقعی و خروجی هدف عملکرد پیش بینی قیمت سهام مدل شبکه تحلیل میشود. نتایج نشان داده است که دقت پیش بینی قیمت سهام تحت پیش بینی الگوریتم فازی یادگیری عمیق ۶۲.۱۲ درصد و تحت پیش بینی شبکه عصبی الگوریتم BP ، ۷۳.۲۹ درصد است. با تحلیل پیش بینی تعداد لایه های پنهان روی قیمت سهام و دامنه های مختلف میتوان نتیجه گرفت که مدل پیش بینی روند قیمت سهام شبکه عصبی الگوریتم BP بهتر از مدل پیش بینی الگوریتم فازی یادگیری عمیق است. این الگوریتم ارزش مشخصی را برای پیش بینی سهام در اختیار سرمایه گذاران قرار میدهد که باعث میشود دولت موقعیت فعال تری در تنظیم و کنترل اقتصاد کلان کسب کند.