چکیده:
رشد بازار سرمایه با سرعت چشمگیری در حال افزایش است. همین امر باعث تقاضای بالاتر برای اطلاعات، تلاش بیشتر برای پیش بینی و ابداع مدل های جدید پیش بینی آینده بازار شده است. مدلهای پیش بینی در سه دسته قابل طبقه بندی هستند. دسته اول از تحلیل تکنیکی، دسته دوم از تحلیل بنیادین و دسته سوم از دادهکاوی و یادگیری ماشین استفاده می کنند. در پژوهش پیش رو با تمرکز بر روش داده کاوی به مقایسه دقت مدل های منتخب یادگیری ماشین شامل شبکه عصبی، رگرسیون لجستیک، نزدیک ترین همسایه k، ماشین بردار پشیبان و اعتبارسنجی ضربدری جهت پیش بینی قیمت سهام برای 12 شرکت منتخب بورس اوراق بهادار تهران که از طریق روش حذف سیستماتیک انتخاب شده اند در قالب مدلهای یادگیری ماشین پرداخته و نتایج این مقاله نشان داد از بین الگوریتمهای یادگیری ماشین، الگوریتم ماشین بردار پشتیبان بیشترین قدرت پیش بینی کنندگی در قیمت سهام را به خود اختصاص داده است.
Abstract:The capital market is growing rapidly. This has led to higher demand for information, more effort to predict and invent new models for predicting the future of the market. Predictive models can be classified into three categories. The first group uses technical analysis, the second group uses fundamental analysis, and the third group uses data mining and machine learning. In the present study focusing on data mining method to compare the accuracy of selected machine learning models including neural network, logistic regression, k nearest neighborhod, support vector machine and cross validation to predict stock prices for 12 selected companies of Tehran Stock Exchange that They have been selected through systematic deletion method in the form of machine learning models and the results of this paper showed that among the machine learning algorithms, the support vector machine algorithm has the highest predictive power in stock prices.Keywords: stock exchange, forecast; Stock prices, algorithms, machine learningJEL Classification Code: C8, G1
خلاصه ماشینی:
مقایسه دقت مدل های منتخب یادگیری ماشین جهت پیش بینی 1 قیمت سهام در بورس اوراق بهادار حسین کیانی زاده ٢، علی باغانی ٣، محسن حمیدیان 4 مقاله پژوهشی تاریخ دریافت : ١٤٠١/١١/٠٩ تاریخ پذیرش : ١٤٠٢/٠٣/٢٥ چکیده رشد بازار سرمایه با سرعت چشمگیری در حال افزایش است .
در پژوهش پیش رو با تمرکز بر روش داده کاوی به مقایسه دقت مدل های منتخب یادگیری ماشین شامل شبکه عصبی ، رگرسیون لجستیک ، نزدیک ترین همسایه k، ماشین بردار پشیبان و اعتبارسنجی ضربدری برای پیش بینی قیمت سهام برای ١٢ شرکت منتخب بورس اوراق بهادار تهران که از طریق روش حذف سیستماتیک انتخاب شده اند در قالب مدل های یادگیری ماشین پرداخته و نتایج این مقاله نشان داد از بین الگوریتمهای یادگیری ماشین ، الگوریتم ماشین بردار پشتیبان بیشترین قدرت پیش بینی کنندگی در قیمت سهام را به خود اختصاص داده است .
تاکنون در بیشتر پژوهش ها از رگرسیون و تکنیک شبکه های عصبی مصنوعی و در برخی موارد ماشین های بردار پشتیبان برای پیش بینی های مالی استفاده شده است ، بنابراین برای رسیدن به یک پیش بینی دقیق تر لازم است که روش های دیگر داده کاوی و یادگیری ماشین نیز مورد بررسی قرار گیرد.
Comparing the accuracy of support vector machines and artificial neural networks approaches in predicting the profit per share of companies listed on the Tehran Stock Exchange.