پیش بینی رویدادها در بازار سهام با شبکه های عصبی کانولوشن عمیق

پیش بینی های رویدادهای مربوط به بازار مالی به دلیل نوسانات ذاتی خودش پیچیده شده است. علاوه بر شاخصهای سنتی بازار، رشد رسانههای اجتماعی متنوع، اقتصاددانان را قادر میسازد تا شاخصهای درخور و زمان واقعی را در مورد عوامل احتمالی تاثیرگذار بر بازار همچون احساسات و عواطف عمومی، پیش بینی ها و رفتارها تحت نفوذ قرار دهند. در این مقاله، چندین ویژگی مربوط به بازار خاص را که از منابع متنوعی همچون اخبار، حجم جستجوی گوگل و توییتر استخراج میشود، ارایه میکنیم. علاوه بر این همبستگی بین این ویژگیها و نوسانات بازار مالی را بررسی میکنیم. برای پیش بینی رویدادها از یک معماری عمیق شبکه عصبی کانولوشن به منظور ایجاد پیش بینی درباره بازارهای مالی استفاده میکنیم. سپس، تحلیل دقیقی از دقت پیش بینی های تولید شده از منابع متعدد، منابع ترکیب شده با منابع تولید شده از منبع مستقل را ارایه میکنیم. نتایج تجربی نشان داد که پیش بینی های منابع متعدد عملکرد بهتری نسبت به پیش بینی های تک منبع دارد، حتی اگر با برخی از محدودیتها همراه باشد.

Keywords:

پیش بینی رویداد , بازار سهام , رسانه های اجتماعی , منابع ناهمگون , تلفیق ویژگی , شبکه عصبی کانولوشن