19725

۱۹۷۲۵

پيش بيني تغييرات قيمت سهام با استفاده از تكنيك هاي تحليل احساسات

كارشناسي ارشد

هوش مصنوعي

شهريور ماه ۱۳۹۷

دكتر بهروز مينايي

كامپيوتر

چكيده بازار و اقتصاد از عوامل مهم رفاه يك جامعه هستند. از آنجا كه درك كردن و فهميدن حركت بازار قدرت پيشبيني آيندهي بازار را در اختيار ما قرار ميدهد، مطالعهي بازار و يادگيري نحوهي حركت آن يك موضوع كليدي محسوب ميگردد. قابليت پيشبيني بازار با توانايي توليد ثروت از طريق دوري كردن از ضرر و بدست آوردن ارزش در بازار برابر است. اين پيشبيني به ما توانايي انجام معامله و كسب سود از اين سيستم را اعطا مينمايد. پژوهشهاي زيادي براي پيشبيني وضعيت بازار با استفاده از روشهاي يادگيري ماشين انجام شده است. در دههي اخير استفاده از روشهاي پردازش متن براي پيشبيني قيمت سهام مورد توجه محققان قرار گرفته است. در اين پاياننامه، با ارائهي يك روش تحليلاحساسات بيناظر در زبان فارسي )براي استخراج اطالعات از متن( و استفاده از يك شبكهي عصبي فازي خودسازمانده روشي بيناظر را براي پيشبيني ارزش سهام پيشنهاد ميكنيم. نتايج آزمايشها از طرفي بيانكنندهي برتري مطلق الگوريتم تحليل احساسات بيناظر ارائه شده نسبتبه مرزهاي دانش زبان فارسي، و از طرف ديگر بيانگر برتري روش پيشبيني ارزش سهام ارائه شده نسبت به روش مبنا )شبكهي عصبي فازي خودسازمانده بدون تحليل احساسات( است. واژههاي كليدي: قيمت سهام، تحليلاحساسات، پيشبيني بورس، شبكهي عصبي فازي خودسازمانده، شبكه هاي اجتماعي

1397/09/11

Predicting Stock Price Variations, Using Sentiment Analysis Techniques

12/2/2018 12:00:00 AM

Abstract Market and economy are among the important factors of the welfare of a community. Because understanding the power of market helps us in market future prediction, studying the market and the manner of its movement is considered as a key issue. The ability to predict the market is equal to the ability to generate wealth by avoiding losses and gaining more profit. This prediction provides us with the ability to trade and take profit from this system. Several research studies have been conducted on the prediction of the market conditions by means of machine learning methods. In the last decade, text processing methods have been widely applicated by researchers for the purpose of predicting stock prices. However, unfortunately, in the Persian language, this approach has not been adopted. In this thesis, by proposing an unsupervised sentiment analysis algorithm for Persian language and utilizing a self-organized fuzzy neural network, we propose a stock value prediction algorithm. The experiments results, on the one hand, prove the absolute superiority of the proposed unsupervised sentiment analysis method to the state-of-the-art of the Persian unsupervised sentiment analysis, and on the other hand, prove the superiority of the proposed stock value prediction algorithm over the base method (i.e. self-organized fuzzy neural network without sentiment input). Keywords: stock price, sentiment analysis, stock prediction, self-organized fuzzy neural network, social networks