چکیده مقاله
چگونگی پیش بینی حرکت قیمت سهام براساس مدل سازی اطلاعات بازار ، یک موضوع جذاب است در مقابل، اخبار بازار و قیمت سهام که معمولا به عنوان دو منبع مهم اطلاعات بازار شناخته میشوند، چگونگی استخراج و بهره برداری از اطلاعات پنهان در داده های خام و پیش بینی دقیق و سریع به طور همزمان یک مشکل چالش برانگیز محسوب میشود روش پیشنهادی، از تکنیک های انتخاب ویژگی به روش فاکتورگیری غیرمنفی ماتریس NMF و ماشین یادگیری شدید ELM برای پیش بینی قیمت سهام بر اساس دو منبع داده همزمان بهره میبرد عملکرد روش پیشنهادی برروی دادههای روزانه بازار سهام H share و آرشیوهای خبری همزمان مورد آزمایش قرار گرفت همچنین، از چندین روش جدید که به عنوان بهترین روشها در پژوهشهای اخیر معرفی شده اند، برای مقایسه عملکرد روش پیشنهادی بهره گرفته شد نتایج تجربی نشان داد در حالت استفاده از ویژگی های پایه استخراج شده از منابع بازار سهام، مدلهایی که از هسته RBF استفاده میکنند در مقایسه با سایر روشها عملکرد بهتری دارند همچنین در حالت انتخاب ویژگیها با استفاده از NMF، عملکرد ELM بهبود قابل توجهی نسبت به رقبای خود پیدا میکند
کلیدواژه‌ها
نویسندگان
سینا دامی
استادیار گروه کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران ایران
محمد استرابی
دانشجوی کارشناسی ارشدIT واحد تهران غرب، دانشگاه آزاد اسلامی، تهران ایران
شیوه ارجاع
�امی، سینا و استرابی، محمد،1396،پیش بینی بازار سهام با فاکتورگیری غیرمنفی ماتریس (NMF) و ELM،پنجمین کنفرانس بین المللی مهندسی برق و کامپیوتر با تاکید بر دانش بومی،تهران
ارائه‌شده در
مجموعه مقالات پنجمین کنفرانس بین المللی مهندسی برق و کامپیوتر با تاکید بر دانش بومی19 بهمن 1396 · تهران