بررسی بازه های زمانی آموزش در مدل های یادگیری جهت پیش بینی بهتر بازار

در این مقاله تلاش گردیده است تا با استفاده از سه مجموعه داده متفاوت از تغییرات قیمت سهام بانک صادرات ایران قدرت و توان پیش بینی کنندگی مدل شبکه عصبی LoLiMoT در بازه های زمانی مختلف مورد آزمون قرار گیرد همچنین جهت نیل به این هدف از سه مجموعه داده با بازه های زمانی بیست ثانیه ای (تغییرات سریع) یک دقیقه ای (تغییرات نرمال) و یک روزه (تغییرات کند) (جهت به کارگیری در فرآینده آموزش مدل عصبی) استفاده گردید و برای تشخیص بهترین تقریب در مجموعه داده از دو معیار خطای MSE و RMSE استفاده شده است در نهایت با مقایسه این خطاها بهترین مجموعه داده جهت استفاده در مرحله آموزش در پیش بینی با مدل LoLiMoT ارایه می گردد. جهت تجزیه و تحلیل داده های مورد آزمون نیز از نرم افزار MATLAB استفاده شده است که در نهایت مشخص گردید بازه زمانی سریع (بازه زمانی بیست ثانیه ای) پیش بینی بهتری را ارایه می نماید.

Keywords:

پیش بینی , شبکه های عصبی LoLiMoT , رفتار خریدار