ارائه مدل یادگیری عمیق ترکیبی EMD-LSTM جهت پیشبینی قیمت سهام
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 126
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MDMCONF06_237
تاریخ نمایه سازی: 2 دی 1402
چکیده مقاله:
امروزه توسعه مدل های پیشبینی قیمت با توجه به گسترش روز افزون بازار های مالی و ایجاد ابزار های مالی متنوع، از اهمیت بسیار بالایی برخوردار است .در این پژوهش یک مدل ترکیبی از الگوریتم تجزیه حالت تجربی EMD)۱)و شبکه عصبی حافظه کوتاه مدت طولانی LSTM)۲) ارائه شده است . در مدل پیشنهادی ، الگوریتم تجزیه حالت تجربی یک تکنیک پردازش داده است که سری زمانی اصلی را به تعداد محدودی توابع حالت ذاتی (IMF۳) تجزیه می کند، همچنین شبکه عصبی حافظه کوتاه مدت طولانی ، نسخه بهبود یافته از شبکه های عصبی بازگشتی RNN )۴) است که با توجه به پیشینه پژوهش عملکرد مناسبی در حوزه پیشبینی قیمت سهام داشته است . در این پژوهش از مدل پیشنهادی جهت پیشبینی قیمت ۵ سهم بزرگ بازار بورس نیویورک شامل سهام نایک ،وال مارت، آی بی ام، جانسون اند جانسون و مایکروسافت بهره گرفته ایم و عملکرد مدل پیشنهادی بر اساس ۴ معیار خطای متفاوت گزارش شده است
کلیدواژه ها:
نویسندگان
کیوان حقیقی نائینی
دانشجوی کارشناسی ارشد، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، ایران
محمدعلی رستگارسرخه
استادیار، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، ایران