مقاله کنفرانسی سال ۱۴۰۵ فارسی

مروری بر مدل های یادگیری عمیق در پیش بینی قیمت سهام در بازار بورس

چکیده مقاله

هدف از انجام تحقیق حاضر بررسی و تحلیل مدل های یادگیری عمیق در پیش بینی قیمت سهام بود بازار سهام به عنوان بستر اصلی تخصیص سرمایه، با پویایی های غیرخطی و تغییر رژیم های قیمتی، روش های سنتی پیش بینی را با محدودیت مواجه می کند این پژوهش یک مرور نظام مند از ادبیات سال های ۲۰۲۳ تا ۲۰۲۵ انجام می دهد و بر مدل های یادگیری عمیق در ژورنال های یک کیفیت ناشران معتبر، به ویژه الزویر و در موارد لازم آی ای ای ای متمرکز است راهبرد جستجو در پایگاه های وب آو ساینس، اسکاپوس و گوگل اسکالر پیاده شد معیارهای ورود شامل زبان انگلیسی، یافته های تجربی و غیرمروری بودن بود؛ مقالاتی که صرفا نظری یا مروری بودند کنار گذاشته شدند یافته ها نشان می دهد معماری های عمیق به ویژه شبکه عصبی با حافظه بلندمدت و کوتاه مدت برای وابستگی های دیرمان، شبکه عصبی کانولوشنی برای الگوهای محلی و ریزساختاری مانند دفتر سفارش محدود، و شبکه گراف برای روابط بین نمادی در قالب های هیبریدی و با بهره گیری از داده های چندوجهی نظیر قیمت، اخبار و احساسات، شاخص های نوسان و متغیرهای کلان نسبت به خطوط پایه کلاسیک، بهبود پایدار در دقت و ثبات ایجاد می کنند افزودن مکانیسم توجه و استفاده از مدل های قابل توضیح مانند LassoNet شکاف اعتماد را کاهش داده و در عین حفظ کارایی، شفافیت تصمیم ها را افزایش می دهد در عین حال، چالش هایی نظیر خطر بیش برازش و نشت اطلاعات، ناهمگونی مجموعه داده ها و فاصله میان بهبود آماری و سودآوری اقتصادی به واسطه نادیده گرفتن هزینه های معاملاتی و محدودیت نقدشوندگی برجاست و تعمیم نتایج به بازارهای متفاوت نیازمند ارزیابی های زمان محور سخت گیرانه و سنجه های اقتصادی است جمع بندی آن که مسیر برتر آینده، طراحی سامانه های هیبریدی چندوجهی توضیح پذیر است که هم زمان بر پایداری اقتصادی، تفسیرپذیری و تعمیم پذیری تمرکز دارند

کلیدواژه‌ها

یادگیری عمیق داده های چندوجهی مدل های هیبریدی. پیش بینی قیمت سهام مدل های هیبریدی

نویسندگان

تصویر عافیه قربان پور

عافیه قربان پور

گروه کامپیوتر، واحد تهران مرکز، دانشگاه آزاد اسلامی ، تهران، ایران

تصویر آزیتا شیرازی پور

آزیتا شیرازی پور

گروه کامپیوتر، واحد تهران مرکز، دانشگاه آزاد اسلامی ، تهران، ایران

شیوه ارجاع

قربان پور، عافیه و شیرازی پور، آزیتا و میرعابدینی، سیدجواد،1405،مروری بر مدل های یادگیری عمیق در پیش بینی قیمت سهام در بازار بورس،بیست و نهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

پوستر مجموعه مقالات بیست و نهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات مجموعه مقالات بیست و نهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات27 فروردین 1405 · بابل
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۵ ۶۵۱ مشاهده

بررسی استفاده از هوش مصنوعی در پزشکی و تشخیص بیماری ها

هوش مصنوعی AI و یادگیری ماشین ML با قابلیت های پیشرفته خود، انقلابی در حوزه های مختلف پزشکی و مهندسی زیس…

هوش مصنوعی در پزشکیهوش مصنوعی در تشخیص بیماری ها
مقاله کنفرانسی سال ۱۴۰۵ ۳۸۸ مشاهده

مروری جامع بر امنیت، مدیریت ریسک و اعتماد در سامانه های هوش مصنوعی پیشرفته با تمرکز بر چارچوب AI TRiSM

هوش مصنوعی به عنوان یکی از فناوری های کلیدی تحول دیجیتال، کاربرد گسترده ای در حوزه های حساس نظیر سلامت…

اعتمادپذیریAI TRiSMامنیت هوش مصنوعی
مقاله کنفرانسی سال ۱۴۰۵ ۲۸۴ مشاهده

مدیریت هوشمند زنجیره تامین در تجارت الکترونیک با تاکید بر انبارداری دیجیتال و تحویل سریع محصول

تجارت الکترونیک به عنوان یکی از برجسته ترین نتایج پیشرفت های دنیای دیجیتال، تحولی گسترده در نحوه خرید و…

تجارت الکترونیکانبارداری دیجیتالتحویل سریع
مقاله کنفرانسی سال ۱۴۰۵ ۲۳۵ مشاهده

بررسی هوش مصنوعی سبز (Green AI) و بهینه سازی مصرف انرژی مدل های بزرگ LLMs

هوش مصنوعی به عنوان یک محرک تحول آفرین، نقش کلیدی را در دو حوزه مدیریت انرژی و تاب آوری زنجیره تامین ایف…

هوش مصنوعی سبزبهینه سازی مصرف انرژی
مقاله کنفرانسی سال ۱۴۰۵ ۲۱۲ مشاهده

مروری تحلیلی بر هوش مصنوعی لبه ای (Edge Intelligence): معماری ها، چالش ها و نقش آن در شبکه های آینده

هوش مصنوعی لبه ای Edge Intelligence به عنوان پارادایمی نوظهور، پاسخی مستقیم به محدودیت های معماری های مت…

Edge Intelligenceمحاسبات لبه ای۶G
مقاله کنفرانسی سال ۱۴۰۵ ۱۹۰ مشاهده

مهندسی مجدد فرایندهای مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی برای بهینه سازی خدمات دیجیتال در تجارت الکترونیک

مهندسی مجدد فرایندهای مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی به عنوان یک راهکار نوین، به سازمان ها ا…

هوش مصنوعیتجارت الکترونیکمهندسی مجدد فرایندهای کسب وکار