۲۳۱۲۱پ
per
ارائه یک مدل پیش بینی کننده برای تعیین قیمت سهام با استفاده از یادگیری ماشین
Providing a Predictive Model for Stock Prices Forecasting Using Machine Learning
/حامد ودادی
: برق و کامپیوتر
، ۱۳۹۹
، میرزائی
۶۷ص
چاپی - الکترونیکی
کارشناسی ارشد
هوش مصنوعی
۱۳۹۹/۰۶/۱۹
تبریز
همواره وجود یک بازار سرمایه فعال و پررونق به‌عنوان یکی از نشانه‌های توسعه‌یافتگی کشورها در سطح بین‌المللی شناخته می‌شود .در کشورهای توسعه‌یافته اکثر سرمایه‌گذاری‌ها از طریق بازارهای مالی انجام می‌پذیرد .مشارکت فعال افراد جامعه در بورس متضمن حیات بازار سرمایه و توسعه پایدار کشور است .عمده‌ترین مسئله که سرمایه‌گذاران در این بازارها با آن مواجه هستند، تصمیم‌گیری جهت انتخاب اوراق بهادار مناسب برای سرمایه‌گذاری است .فرآیند سرمایه‌گذاری در یک حالت منسجم، مستلزم تجزیه‌وتحلیل ماهیت اصلی تصمیمات سرمایه‌گذاری است .در این حالت فعالیت‌های مربوط به فرآیند تصمیم‌گیری تجزیه‌شده و عوامل مهم در محیط فعالیت سرمایه‌گذاران که بر روی تصمیمات آن‌ها تأثیر می‌گذارد موردبررسی قرار می‌گیرد .با تکامل یافتن بازار سرمایه روزانه داده‌های بیشتر و بیشتر تولید می‌گردند .باوجوداین داده‌های مناسب و استفاده از روش‌های پیش‌پردازش داده، با استفاده از تکنیک‌های یادگیری ماشین می‌توان مدل‌های مناسبی را برای پیش‌بینی قیمت سهام ارائه نمود .در یادگیری ماشین، هدف پیش‌بینی یا خوشه‌بندی است .پیش‌بینی فرآیندی است که طی آن، با بهره‌گیری از یک مجموعه متغیرهای ورودی، ارزش یک متغیر خروجی تخمین زده می‌شود .برای مثال، با استفاده از مجموعه‌ای از مشخصه‌های یک‌خانه، می‌توان قیمت آن را تخمین زد .پیش‌بینی تغییرات قیمت سهام با استفاده از الگوریتم‌های یادگیری ماشین‌روشی است که در آن طی فرآیند داده‌کاوی، اطلاعات موردنیاز از داده‌های اولیه بازار استخراج می‌شود و الگوریتم موردنظر با یادگیری و استفاده از داده‌های گذشته، قیمت سهام در آینده را پیش‌بینی می‌کند .کارایی آن موردبررسی قرار می‌گیرد .ما در این پایان‌نامه قصد داریم با استفاده از شبکه های عصبی با حافظه کوتاه مدت بلند و داده‌های بازار سهام مدلی ارائه نماییم که بتواند روند قیمت سهام را پیش‌بینی نماید
The existence of an active and thriving capital market has always been recognized as one of the signs of the development of countries at the international level. In developed countries, most investments are made through financial markets. The active participation of the community in the stock market ensures the life of the capital market and the sustainable development of the country. The main problem that investors face in these markets is deciding to choose the right securities to invest in. The investment process, in a coherent manner, requires the analysis of the main nature of investment decisions. In this case, the activities related to the decomposed decision-making process and the important factors in the environment of investors' activities that affect their decisions are examined. As the capital market evolves, more and more data is generated daily. Despite the appropriate data and the use of data processing methods, using machine learning techniques can provide appropriate models for stock price forecasting. In machine learning, the goal is prediction or clustering. Prediction is the process by which the value of an output variable is estimated using a set of input variables. For example, using a set of characteristics of a house, its price can be estimated. Predicting stock price changes using machine learning algorithms is a method in which during the data mining process, the required information is extracted from the initial market data and the algorithm predicts future stock prices by learning and using past data. Its effectiveness is examined. In this dissertation, we intend to provide a model that can predict stock price trends using LSTM and stock market data
Providing a Predictive Model for Stock Prices Forecasting Using Machine Learning
ودادی، حامد
Vedadi, Hamed
سیاه و سفید
نمایه‌سازی قبلی
