روشی کارآمد در پیشگویی بازار سهام به کمک شبکه های عصبی

در سال های اخیر تلاش های بسیاری برای پیشگویی بورس و بازار سهام صورت گرفته است. در بسیاری از روش های ارائه شده در این زمینه از مدل های مختلف شبکه های عصبی استفاده شده است. نشان داده شده است که شبکه های عصبی چند شاخه، قدرت تعمیم و نمایش بهتری نسبت به شبکه های عصبی استاندارد دارند. در این مقاله پیشگویی کمینه و بیشینه قیمت روزانه دو سهام 500S&P و IBM به کمک شبکه های عصبی چند لایه پرسپترون و شبکه های عصبی چند شاخه انجام شده است. همچنین تاثیر حجم معاملات بر روی پیشگویی، مورد بررسی قرار گرفته است، نتایج نشان می دهد معاملات نه تنها تاثیر مفیدی بر روی پیشگویی ندارد، بلکه در صورت حذف این ویژگی از ورودی ها پیشگویی دقیق تری به دست خواهد آمد.

Keywords:

پس انتشار خطا , حجم معاملات , شبکه های عصبی چند شاخه , قیمت بیشینه , قیمت کمینه