پيش بيني و تخمين رفتار بازار بورس با استفاده از روش هاي با ناظر

ارشد

در اين پژوهش به پيش‌بيني‌هاي سري زماني در داده‌هاي مربوط به بورس اوراق بهادار پرداخته شده است. از آنجا كه قيمت پاياني نقش مهمي در تصميمات سرمايه‌گذاران بورس دارد، در اين تحقيق سعي بر آن است كه پيش‌بيني قيمت پاياني با استفاده از الگوريتم‌هاي مختلف بررسي شوند. بنابراين بررسي قيمت پاياني در 3 نماد بر اساس گروه‌هاي مختلف از 2 جهت صورت گرفته است؛ در اولين رويكرد، هدف پيش‌بيني روند قيمت پاياني در روزهاي بعد و در دومين رويكرد هدف پيش‌بيني مقادير قيمت پاياني در افق پيش‌بيني مدنظر است. از داده‌هاي مربوط به قيمت و حجم و همچنين شاخص‌هاي تحليل تكنيكال نيز براي ارائه پيش‌بيني‌ها مربوط به قيمت پاياني استفاده شده است. در رويكرد اول از مدل‌هاي مختلف از جمله درخت تصميم، جنگل تصادفي، رگرسيون لجستيك،ماشين بردار پشتيبان و MLP استفاده مي‌كنيم كه در نهايت با استفاده از مدل رأي‌گيري تجميعي كه برپايه درخت تصميم، جنگل تصادفي و SVM است براي 3 نماد بررسي شده دقت مدل به %74.1، %71.75 و %70.24 رسيده است. در رويكرد دوم نيز از مدل‌هاي رگرسيون جنگل تصادفي، رگرسيون بردار پشتيبان و شبكه‌هاي عصبي عميق LSTM استفاده شده و مدل‌ها در داده آموزش و تست در افق پيش‌بيني 5 روزه با هم مقايسه شده‌اند. در اين مدل‌ها، الگوريتم LSTM در داده تست داراي خطاي MAPE كمتر از 5 درصد در تمام داده‌ها است. در نهايت براي تركيب مدل‌ها و استفاده از مدل‌هاي رگرسيوني و دسته‌بندي در پيش‌بيني روند، از داده‌هاي تاريخي سهام‌ها انتخاب كرده و مدل‌هاي تركيبي را با استفاده از مدل رأي‌گيري تجميعي آزمايش مي‌كنيم كه بهترين تركيب مدل براساس داده‌هاي تاريخي، تركيب مدل‌هاي دسته‌بند جنگل تصادفي، ماشين بردار پشتيبان، رگرسيون LSTM، رگرسيون جنگل تصادفي، رگرسيون بردار پشتيبان براي پيش‌بيني روند قيمت پاياني بعدي به دست آمده است.

210135

دانشگاه علم و صنعت ايران

مهندسي برق گرايش كنترل

دكتر سعيد عباداللهي