25649

ارائه مدلي براي پيش بيني قيمت سهام به كمك يادگيري عميق , مورد مطالعه صنعت فلزات اساسي بورس اوراق بهادار تهران

كارشناسي ارشد

علوم اقتصادي- برنامه‌ريزي سيستم‌هاي اقتصادي

1400-1401

1400/8/30

دكتر سعيد شوال پور

دكتر سعيد شوال پور

دانشكده مديريت، اقتصاد و مهندسي پيشرفت

امروزه بازار سرمايه از اركان اساسي نظام اقتصادي هركشوري به شمار ميرود. اين بازار محل تجميع منابع ارزان قيمت، سرگردان و پراكنده به سمت واحدهاي مختلف اقتصادي است. نماد بازار سرمايه، بورس اوراق بهادار و نهادهاي وابسته مي باشد. عملكرد صحيح بورس مي تواند پيامدهاي ارزشمندي مانند رشد و توسعه اقتصادي را به همراه داشته باشد. اما براي آنكه بتوان پس اندازها را به سوي اين بازار هدايت كرد بايد اعتماد سرمايه گذاران را جلب نمود. بدين منظور ابتدا به اين موضوع پرداختيم كه آيا اساساً پيشبيني قيمت سهام امكان پذير است و سپس به پيش بيني قيمت سهام هاي گروه فلزات اساسي ( كاوه , فملي , فولاد , ذوب , فولاي ) توسط مدل هاي يادگيري عميق CNN و LSTM و مقايسه آنها توسط مدل سنجي ARIMA پرداخته ايم . تمام داده ها از سايت fipiran ( پردازش اطلاعات مالي ايران ) گرفته شده است كه پس از حذف داده هاي مغشوش و غيرقابل استفاده و با مكانيزم انجام 4 آزمايش مجزا با تعداد لايه ها و نرون هاي متفاوت به پيش بيني ده روز آينده براي هريك از سهام ها انجام شد . در انتها به مقايسه مدل ها و نتايج حاصل از آنها و ارتباط آنها با تعداد لايه ها و نرون هاي داده شده پرداخته ايم نتايج حاصل نشان مي دهد كه از بين شبكه هاي ذكر شده شبكه ي عصبي CNN داراي كم ترين خطا ( بيش ترين دقت ) را در بين تمام مدل ها در تمامي سهام ها دارا مي باشد . نتايج حاصل نشان مي دهد كه در تمام مدل ها با كاهش تعداد لايه ها و نرون هاي داخل شبكه مي توان خطاي كمتري را بدست اورد

1400/09/13

Providing a model for stock price forecasting with the help of deep learning, studied in the basic metals industry of Tehran Stock Exchange

11/21/2022 12:00:00 AM

Today, the stock market is one of the basic pillars of any country's economic system. This market is a place of accumulation of cheap, wandering and scattered resources towards different economic units. The symbol of the capital market is the stock exchange and related institutions. The proper functioning of the stock market can have valuable consequences such as economic growth and development. But in order to be able to direct savings to this market, investors' trust must be gained. For this purpose, we first goal the issue of whether it is basically possible to predict stock prices, and then to predict the stock prices of basic metals (Kaveh, Famli, Foolad, Zob, Foolay) by CNN and LSTM deep learning models and compare them by We have done ARIMA modeling. All data is taken from fipiran site (Iranian financial information processing) which after deleting confusing and unusable data and with the mechanism of performing 4 separate experiments with different number of layers and neurons to predict the next ten days for each stock Were done. Finally, we compare the models and their results and their relationship with the number of layers and neurons given The results show that among the mentioned networks, CNN neural network has the lowest error (highest accuracy) among all models in all stocks. The results show that in all models, by reducing the number of layers and neurons in the network, less error can be obtained.

پيش بيني , قيمت سهام , هوش مصنوعي , يادگيري عميق , شبكه عصبي , مدل سازي

modeling , neural network , deep learning , artificial intelligence , stock price , forecasting , prediction