پیش بینی روند قیمت سهام با استفاده از ترکیب شبکه عصبی کانولوشن و شبکه عصبی حافظه کوتاه مدت در بازار بورس تهران

چکیده مقاله

همواره سرمایه گذاران جهت کاهش ریسک معاملات خود و افزایش بازدهی سرمایه گذاری به دنبال روش هایی برای تصمیم گیری دررابطه با معاملات سهام هستند در طول سالهای گذشته، کارشناسان مالی شاخص ها و تکنیک های مختلفی برای توسعه روش های هوشمند برای تصمیم گیری در مورد خرید، فروش یا عدم معامله یک سهم را طراحی کرده اند هدف ما نیز در این پژوهش ارائهروشی جهت پیش بینی روند قیمت سهام می باشد تا به توان به وسیله آن ریسک سرمایه گذاری را کاهش داد در این پژوهش ما با ترکیب شبکه عصبی پیچشی CNN و شبکه عصبی حافظه کوتاه مدت بلند مدت LSTM یک مدل پیش بینی داده های سری زمانی ایجاد کرده و نتایج به دست آمده از مدل ترکیبی شبکه عصبی CNN LSTM، دقت آن به طور میانگین ۷۵ ۵% بوده است که نشان از عمکلرد مطلوب آن دارد و همچنین با بررسی پارامترهای Recall و Precision با وجود دقت نسبتا بالای مدل بیش برازش در مدل رخ نداده است در واقع نتایج پژوهش بیانگر آن است که این مدل توانسته تا حدودی زیادی در پیش بینی روند قیمت سهام خوب عمل کرده و همچنین بیش برازش در مدل رخ نمی دهد

کلیدواژه‌ها

نویسندگان

ابوالفضل روحی

دانشجوی کارشناسی ارشد مهندسی صنایع گرایش سیستم های مالی، دانشگاه تربیت مدرس، تهران، ایران

محمد علی رستگار سرخه

استادیار دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، تهران، ایران

�وحی، ابوالفضل و رستگار سرخه، محمد علی،1402،پیش بینی روند قیمت سهام با استفاده از ترکیب شبکه عصبی کانولوشن و شبکه عصبی حافظه کوتاه مدت در بازار بورس تهران،نوزدهمین کنفرانس ملی رویکردهای نوین در مدیریت، اقتصاد و حسابداری،بابل

ارائه‌شده در

مجموعه مقالات نوزدهمین کنفرانس ملی رویکردهای نوین در مدیریت، اقتصاد و حسابداری31 فروردین 1402 · بابل