شماره ركورد كنفرانس :
5509
عنوان مقاله :
مقايسه عملكرد دو مدل شبكه عصبي عميق BiLSTM و CNN در پيش بيني قيمت سهام (مطالعه موردي: بورس اوراق بهادار تهران)
پديدآورندگان :
فردوسي زاده نيوشا niooshaferdosi@gmail.com دانشگاه شهيد چمران اهواز , دودانگه اميررضا amir.ddg95@gmail.com دانشگاه شهيد چمران اهواز , سينايي حسنعلي H.sinaei@scu.ac.ir دانشگاه شهيد چمران اهواز
كليدواژه :
شبكه هاي عصبي , پيشبيني قيمت سهام , شبكه هاي عصبي پيچشي(CNN) , حافظه طولاني كوتاه مدت دوطرفه(BiLSTM) , يادگيري عميق
عنوان كنفرانس :
دومين كنفرانس بين المللي و هفتمين كنفرانس ملي كامپيوتر، فناوري اطلاعات و كاربردهاي هوش مصنوعي
چكيده فارسي :
شبكههاي عصبي به عنوان يك پيشرفت تكنولوژيك در زمينه يادگيري عميق به ويژه در پردازش دادههاي ساختار يافته شناخته شدهاند. اين شبكهها قابليت يادگيري ويژگيهاي پيچيده و تعليم بدون نظارت را دارند. در زمينه پيشبيني قيمت سهام، شبكههاي عصبي، به ويژه مدلهايي مانند شبكههاي عصبي پيچشي (CNN) و حافظه طولاني كوتاه مدت دوطرفه (BiLSTM) به دليل توانايي در درك الگوهاي زماني پيچيده و تعاملات غيرخطي، مورد توجه قرار گرفتهاند. اين شبكهها قادر به استخراج ويژگيهاي مهم از دادههاي زماني متنوع قيمت سهام هستند و ميتوانند بهبود قابل توجهي در دقت پيشبيني قيمت آينده سهام داشته باشند. اين مقاله به بررسي پيشبيني قيمت سهام با استفاده از دو روش يادگيري عميق CNN و BiLSTM و بررسي كارايي آنها در بورس اوراق بهادار تهران ميپردازد. هدف اصلي اين پژوهش، پيشبيني دقيق تر قيمت سهام در بازه يك ساله با دو روش ذكر شده است. در اين مطالعه، از دادههاي تاريخي قيمت سهام 5 شركت فعال در بورس اوراق بهاردار تهران استفاده شده است. براي پيشبيني از مدلهاي CNN و BiLSTM كه زير شاخهاي از يادگيري عميق هستند، بهره برده شده است. تحليل دادهها با استفاده از ابزارهاي مالي و كدنويسي مناسب در بستر پايتون3 انجام شد. نتايج نشان دادند به طور ميانگين مدل BiLSTM عملكرد بهتري نسبت به CNN در پيشبيني قيمت، با توجه به ميزان خطاي دريافت شده از مدل ها دارد. در نهايت، اين پژوهش به بهبود استراتژيهاي سرمايهگذاري بر اساس پيشبيني قيمت سهام با استفاده از شبكههاي عصبي ميپردازد.
