نیما شایان فر - دانشگاه یزد، دانشکده برق و کامپیوتر، گروه کامپیوتر،
ولی درهمی - دانشگاه یزد، دانشکده برق و کامپیوتر، گروه کامپیوتر،

بازارهای بورس، بازارهایی غیرقطعی و اتفاقی هستند و تصمیم گیری آنها نیازمند روش های هوشمند پیچیده است. یکی از این روشها پیش بینی روند قیمت در بازار بورس با استفاده از خبر می باشد. در این روش با استفاده از کلمات متن خبر به عنوان ویژگی، دسته بند به تصمیم گیری در مورد روند قیمت اقدام می کند. در یک مجموعه داده آموزشی که حاوی تعداد زیادی خبر می باشد، تعداد کلمات موجود در متون به راحتی به بیشتر از 20000 کلمه می رسد. بنابراین اصلی ترین چالش این روشها کاهش تعداد ویژگی است. در این مقاله به ارائه روشی جدید برای کاهش تعداد ویژگی ها به نام انتخاب ویژگی متغیر با زمان می پردازیم. فرض اساسی در این مقاله این است که ویژگی ها در بازار بورس در بازه زمانی خاصی بسیار رایج شده و پس از مدتی ناپدید می شوند. علت این امر، وقوع رخدادی خبرساز در دنیای واقعی است که پس از مدتی خبرساز بودن، خبرها در مورد آن متوقف می شود. این مقاله با در نظر گرفتن این فرض، روشی جدید برای انتخاب ویژگی ارائه می کند که با وزن دهی بیشتر به ویژگی هایی که به تازگی رؤیت شده اند، آنها را به نسبت بیشتری در ویژگی های نهایی دخالت می دهد. با این روش ما توانسته ایم در بازار ایران به صحت 74,7% و سود شبیه سازی 18,1% ، در مقابل سود متوسط بازار 14,1% برسیم. با توجه به بهبود آمارهای ارزیابی با استفاده از انتخاب ویژگی متغیر با زمان، می توان نتیجه گرفت که فرض رایج بودن دورهای ویژگی ها در بازار بورس، صحیح است.

پیش بینی روند قیمت، بورس، متن کاوی، انتخاب ویژگی، کاهش ویژگی