به کارگیری وب کاوی در پیش بینی جهت قیمت سهام گروه محصولات شیمیایی در بورس اوراق بهادار
پیش بینی بازارها از جمله سهام به دلیل حجم بالای معاملات و نقدینگی برای محققان و سرمایه گذاران دارای جذابیت بوده است. توانایی پیش بینی جهت قیمت ما را قادر می سازد با کاهش ریسک و اجتناب از ضرر و زیان مالی، به بازده بالاتری دست یابیم. اخبار نقش مهمی در فرایند ارزیابی قیمت فعلی سهام دارد. توسعه روش های داده کاوی، هوش محاسباتی و الگوریتم های یادگیری ماشین سبب ایجاد مدل های جدیدی در پیش بینی شده اند. خبرها منتشر شده در 17 خبرگزاری با استفاده از یک خزگشر موضوعی به زبان پی اچ پی ذخیره و دسته بندی شده است. سپس با استفاده از روش های متن کاوی و الگوریتم ماشین بردار پشتیبان و کرنل های مختلف به پیش بینی جهت قیمت سهام گروه محصولات شیمیایی در بورس اوراق بهادار پرداخته می شود. دراین مطالعه از 300 هزار خبر در دسته های سیاسی و اقتصادی و قیمت های سهام 63 شرکت در بازه زمانی آبان تا اسفند 97 در 122 روز معاملاتی استفاده شده است. نتایج نشان می دهد با مدل ماشین بردار پشتیبان با کرنل خطی می توان به صورت میانگین 83 درصد جهت قیمت ها را پیش بینی کرد. با استفاده از کرنل های غیرخطی و معادله درجه 2 ماشین بردار پشتیبان صحت پیش بینی به صورت میانگین تا 85 درصد افزایش می یابد و سایر کرنل ها نتایج ضعیف تری از خود نشان می دهند.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.