adcaij: پیشرفت در مجله محاسبات و اطلاعات مصنوعی توزیع شده

پیش بینی بازار سهام با استفاده از الگوریتم های یادگیری ماشین (ML)

محمد عمر gcuf umerghani92 [at] gmail. com محمد آواس محمد موزمول GCUF

خلاصه

سهام احتمالاً محبوب ترین ابزار مالی اختراع شده برای ساخت و ساز ثروت است و محور هر سبد سرمایه گذاری است. پیشرفت های فناوری تجارت بازارها را باز کرده است به طوری که امروزه تقریباً هر کسی می تواند سهام خود را داشته باشد. از چند دهه گذشته ، شاهد افزایش انفجاری در علاقه متوسط فرد به بورس بود. در یک بازار انفجاری مالی ، به عنوان بورس سهام ، پیش بینی بسیار دقیقی از روند آینده مهم است. به دلیل بحران مالی و سود ضبط ، پیش بینی ایمن از ارزش سهام اجباری است. پیش بینی یک سیگنال غیرخطی نیاز به الگوریتم های مترقی یادگیری ماشین با کمک هوش مصنوعی (AI) دارد. در تحقیقات ما ، ما قصد داریم از الگوریتم یادگیری ماشین به طور خاص روی رگرسیون خطی (LR) ، سه ماه حرکت متوسط (3MMA) ، استفاده کنیم. هموار سازی نمایی (ES) و پیش بینی سری زمانی با استفاده از MS Excel به عنوان بهترین ابزار آماری برای نمودار و نمایش جدولی نتایج پیش بینی. ما پس از اجرای LR ، داده های مربوط به Finance Yahoo را برای سهام آمازون (AMZN) ، سهام AAPL و سهام Google به دست آوردیم ، ما با موفقیت روند بازار سهام را برای ماه آینده پیش بینی کردیم و همچنین با توجه به اندازه گیری دقت اندازه گیری کردیم.

• کار اجرای یادگیری ماشین اکسل

• ارجاع
• کما
• Del Mismo Autor
• ماتریس

تائه کیون لی و همکاران."استراتژی های سرمایه گذاری در بازار سهام جهانی بر اساس شاخص های شبکه مالی با استفاده از Niques Tech Leaing Machine" ، سیستم های خبره با برنامه ها ، 117 (2019): 228-242. https://doi. org/10. 1016/j. eswa. 2018. 09. 005

برونو و همکاران."بررسی ادبیات: تکنیک های یادگیری ماشین که برای پیش بینی بازار مالی اعمال می شود" ، سیستم های متخصص با برنامه ها ، 124 (2019): 226-251. https://doi. org/10. 1016/j. eswa. 2019. 01. 012

توماس فیشر و همکاران."یادگیری عمیق با شبکه های حافظه کوتاه مدت کوتاه برای پیش بینی بازار مالی" ، مجله اروپایی تحقیقات عملیاتی ، 270. 2 (2018): 654-669. https://doi. org/10. 1016/j. ejor. 2017. 11. 054

کانگ ژانگ و همکاران."پیش بینی بازار سهام بر اساس شبکه مخالف تولیدی" ، علوم کامپیوتر پرواردیا ، 147 (2019): 400-406 https://doi. org/10. 1016/j. procs. 2019. 01. 256

بن موز و در."یادگیری عمیق مبتنی بر همبستگی برای پیش بینی تغییر روند جهت در سری زمانی مالی". سیستم های خبره با برنامه ها ، 120 (2019): 197-206. https://doi. org/10. 1016/j. eswa. 2018. 11. 027

Fische Mospel و همکاران."یادگیری عمیق با الگوریتم های یادگیری ماشین برای پیش بینی های بازار مالی" ، مجله اروپایی تحقیقات علمی ، 220. 2 (2019): 654-669. https://doi. org/10. 1016/j. ejor. 2017. 11. 054

Markku Karhunen و همکاران."پیش بینی علائم الگوریتمی و انتخاب همسایه در یازده بازار سهام بین المللی" ، سیستم های خبره با برنامه ها ، 115 (2019): 256-263. https://doi. org/10. 1016/j. eswa. 2018. 07. 061

یونسوک چونگ و در."شبکه های یادگیری عمیق برای تجزیه و تحلیل و پیش بینی بازار سهام: روش شناسی ، نمایش داده ها و مطالعات موردی" ، سیستم های خبره با برنامه ها ، 8 (2017): 187-205. https://doi. org/10. 1016/j. eswa. 2017. 04. 030

Wangqili و همکاران."ترکیب خرد جمعیت و تجزیه و تحلیل فنی برای پیش بینی بازار مالی با استفاده از مجموعه های زیر مجموعه های تصادفی عمیق" ، Neurocomputing ، 299 (2018): 51-61. https://doi. org/10. 1016/j. neucom. 2018. 02. 095

Changjulee و همکاران."توضیح بازده بازار آینده و ارزیابی وضعیت بازار با شاخص گسترش ترجیحی مشترک" ، Physica A: مکانیک آماری و کاربردهای آن ، 220 (2019): 220-229.

Mu-Yenchen و همکاران."مدل سازی خلق و خوی عمومی و احساسات: پیش بینی روند بازار سهام با رویکرد محاسبات پیش بینی" ، رایانه های موجود در رفتار انسان (2018). https://doi. org/10. 1016/j. chb. 2019. 03. 021

Hiransha و همکاران."پیش بینی بازار سهام NSE با استفاده از مدلهای یادگیری عمیق" ، علوم کامپیوتر رویه ، 132 (2018): 1351-1362. https://doi. org/10. 1016/j. procs. 2018. 05. 050

Fengmeiyang و همکاران."یک روش جدید انتخاب سهام ترکیبی با پیش بینی سهام" ، Applied Soft Computing (2019). https://doi. org/10. 1016/j. asoc. 2019. 03. 028

Yue-Gang Song و همکاران. systres52 (2018): 1004-1012].

Umer ، M. ، Awais ، M. ، & Muzammul ، M. (2019). پیش بینی بازار سهام با استفاده از الگوریتم های یادگیری ماشین (ML). ADCAIJ: پیشرفت در مجله محاسبات و اطلاعات مصنوعی توزیع شده ، 8 (4) ، 97-116. https://doi. org/10. 14201/adcaij20198497116

قالبهای استناد بیشتر استناد را بارگیری کنید

• endnote/Zotero/Mendeley (RIS)
• دوزخ