استخراج قواعد چند مرتبه به منظور معاملات سهام با استفاده از ساختار شبکه ای و یادگیری بازگشتی کیو
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
معامله گران در بازار سهام به هنگام تصمیم گیری در مورد خرید یا فروش سهم علاوه بر اطلاعات روز جاری سهم، اطلاعات سهم در روزهای گذشته را نیز در نظر می گیرند. به منظور تقلید از نحوه ی تصمیم گیری معامله گران در امر سرمایه گذاری در سهام، الگوریتم قهرمانی در لیگ ورزشی مجهز به تیم هایی با ساختار شبکه ای به جهت استخراج قواعد چند مرتبه، توسعه داده شده است. قوانین چند مرتبه توسط الگوریتم استخراج می شوند که در آن هر قاعده علاوه بر اطلاعات روز جاری، حاوی اطلاعات روزهای گذشته نیز می باشد بنابراین یک حافظه به منظور ذخیره اطلاعات مفید در هر یک از قوانین ایجاد شده است. به منظور ارزیابی و بررسی عملکرد مدل ارائه شده از 20 سهم از شرکت ها در بخش های مختلف صنعتی بازار بورس تهران استفاده شده است. در شبیه سازی سرمایه گذاری، مدل ارائه شده سود بیشتر یا ضرر کمتری را نسبت به مدل خرید و نگهداری و مدل برنامه نویسی شبکه ژنتیک ایجاد کرده است.
کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
115 تا 138
لینک کوتاه:
magiran.com/p2001270
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- 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.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!