پیش بینی قیمت جفت ارز در بازار فارکس با رویکرد شبکه عصبی بازگشتی همجوشی ویژگی های تکنیکال و بنیادی

چکیده مقاله

در این پژوهش یک چارچوب یادگیری عمیق با دو ورودی برای پیش بینی قیمت بسته شدن روزانه جفت ارز EUR/USD ارائه می شود در روش پیشنهادی ویژگی های بنیادی و تکنیکال به صورت همزمان اما در دو شاخه بازگشتی مستقل پردازش شده و سپس در یک لایه همجوشی ادغام می شوند تا وابستگی های زمانی و تعامل میان دو نوع سیگنال به صورت یکپارچه آموزش داده شود داده ها با حفظ ترتیب زمانی پیش پردازش و به توالی های زمانی تبدیل شده و مدل ها در یک فرآیند آموزش و ارزیابی منسجم مقایسه می شوند برای بررسی اثر نوع سلول بازگشتی، معماری مرجع مبتنی بر LSTM با نسخه متناظر مبتنی بر GRU تحت شرایط مشابه ارزیابی شد نتایج کلی نشان می دهد چارچوب دوورودی با بهره گیری همزمان از اطلاعات بنیادی و تکنیکال توانایی مناسبی در یادگیری الگوهای زمانی دارد و نسخه مبتنی بر GRU در مقایسه با LSTM تعمیم پذیری و دقت پیش بینی بهتری از خود نشان می دهد

کلیدواژه‌ها

نویسندگان

گلزار السادات نوش آبادی

کارشناسی ارشد ریاضی دانشکده مهندسی سیستم های هوشمند و علوم داده، بوشهر

حسین حق بین

استادیار گروه آمار دانشکده مهندسی سیستم های هوشمند و علوم داده، بوشهر

حجت قیمت گر

استادیار گروه مهندسی برق دانشکده مهندسی سیستم های هوشمند و علوم داده، بوشهر

نوش آبادی، گلزار السادات و حق بین، حسین و قیمت گر، حجت،1404،پیش بینی قیمت جفت ارز در بازار فارکس با رویکرد شبکه عصبی بازگشتی همجوشی ویژگی های تکنیکال و بنیادی،دومین کنفرانس بین المللی دو سالانه پیشرفت ها در هوش مصنوعی و علوم داده،بوشهر

ارائه‌شده در

همایش «بسیج، پیشرفت و امنیت پایدار در منطقه جنوب شرق کشور»7 بهمن 1404 · تهران