9147

پيش بيني قيمت سهام با استفاده از الگوريتم هاي تقويتي و داده هاي اخبار و رويدادها

كارشناسي

علوم كامپيوتر

1403

دكتر رحمان فرنوش

دكتر رحمان فرنوش

1403/06/20

رياضي و علوم كامپيوتر

Predicting stock prices using reinforcement algorithms and data extraction from news articles

در عصر اطالعات و پيچيدگي بازارهاي مالي، پيشبيني دقيق قيمت سهام به عنوان يكي از چالشهاي اصلي سرمايهگذاران مطرح است. در اين پژوهش، با هدف توسعه سيستمي هوشمند براي اتخاذ تصميمات سرمايهگذاري بهينهتر، به تلفيق دو تكنيك قدرتمند يادگيري ماشين يعني يادگيري تقويتي و تحليل احساسات پرداخته شده است. در گام نخست، با بهرهگيري از مدلهاي پيشرفته تحليل احساسات مبتني برBERT ، احساسات نهفته در اخبار مالي به دقت استخراج و به سه دسته اصلي مثبت، منفي و خنثي طبقهبندي شدهاند. اين رويكرد، امكان بهرهبرداري از حجم عظيمي از اطالعات غيرساختيافته موجود در اخبار مالي را فراهم آورده و به درك بهتر احساسات بازار كمك شاياني ميكند. در گام نخست، با بهرهگيري از مدلهاي پيشرفته تحليل احساسات مبتني بر BERT، احساسات نهفته در اخبار مالي استخراج و به سه دسته اصلي مثبت، منفي و خنثي طبقهبندي شدند. سپس، اين دادههاي احساسي به عنوان ورودي به الگوريتم يادگيري تقويتي learning-Q تزريق شدند. الگوريتم learning-Q با در نظر گرفتن سه اقدام اصلي خريد، فروش و نگهداري سهام و بهروزرساني مداوم بر اساس تغييرات قيمت، به تدريج سياستي بهينه براي پيشبيني جهت حركت بازار ارائه ميدهد. براي بهبود عملكرد مدل، پارامترهاي كليدي الگوريتم همچون نرخ يادگيري، ضريب تخفيف و ميزان اكتشاف به دقت تنظيم و تعداد اپيزودهاي آموزش افزايش يافت. همچنين، پاداشهاي تعريفشده براي هر اقدام به گونهاي طراحي شدند تا مدل را به سمت اتخاذ تصميمات سودآور سوق دهند. نتايج حاصل از ارزيابي مدل نشاندهنده دستيابي به دقتهاي باالتر در پيشبيني با افزايش تعداد اپيزودهاي آموزش و استفاده از الگوريتمهاي يادگيري تقويتي عميق است كه گامي مهم در جهت توسعه سيستمهاي پيشبيني هوشمند در حوزه مالي محسوب ميشود. اين پژوهش نشان ميدهد كه تلفيق تحليل احساسات و يادگيري تقويتي ميتواند به عنوان يك ابزار قدرتمند براي پيشبيني قيمت سهام و اتخاذ تصميمات سرمايهگذاري بهينهتر مورد استفاده قرار گيرد .با اين حال، براي توسعه سيستمهاي پيشبيني هوشمندتر، تحقيقات بيشتري در جهت بهبود مدل و گسترش دامنه كاربرد آن ضروري است.

الگوريتم تقويتي