الگوریتم پیشنهادی برای انتخاب ویژگی‌های مناسب به‌منظور پیش‌بینی شاخص بورس اوراق بهادار تهران Journal Article

Writer: محبی، سمیه ؛ حمیدی زاده، محمدرضا ؛

Corresponding Author: فدائی نژاد، محمداسماعیل ؛

چشم انداز مدیریت مالی تابستان 1400 - شماره 34 ، ب (Ministry of Science/ISC (‎32 page(s) - From 36 to 67 )

Keywords: رگرسیون بردارپشتیبان شبکه عصبی عمیق الگوریتم انتخاب ویژگی تابع پایه شعاعی پیش‌بینی شاخص بورس Stock Index Prediction Deep Neural Network. RADIAL BASIS FUNCTION Feature Selection Algorithm Support vector regression الگوریتم ویژگیها مدل نورون انتخاب ویژگی انتخاب پیش‌بینی شاخص بورس اوراق بهادار MID

fa en

Abstract:

The performance of an intelligent model largely depends on the selection of the most relevant and most influential input variables and the lowest complexity of the learning model. Therefore, in the present study, to predict the index of Tehran Stock Exchange based on financial and economic variables, first prioritize featuresWith MID algorithm, then 4 different neural network models (MLP, SVR, RBF, DNN) are used, which are the most important and innovative prediction models. According to the results of the analysis of the studied models, an algorithm is proposed to select the appropriate features on the index, as ISF-MID, and are compared with several similar methods. The data used in this study were collected daily in the period of 18/01/2014 to 21/08/2018. Evaluation of the models was performed by K-fold cross validation method. The MAE, MSE, and RMSE criteria are also used to evaluate the performanceof the mentionedmodels. The results show that with the proposed method, with 7 selected features, it is possible to achieve high accuracy in predicting the daily index of the Tehran Stock Exchange.

Machine summary:

از اين رو در مطالعه حاضر، براي پيش بيني روزانه شاخص کل بورس اوراق بهادار تهران بر اساس متغيرهاي مالي و اقتصادي، ابتدا اقدام به اولويت بندي ويژگيها با الگوريتم MID نموده ، سپس از ٤ مدل مختلف شبکه عصبي (MLP, SVR, RBF, DNN) که از مهم ترين و بديع ترين مدل هاي پيش بيني ميباشــند، اســتفاده ميشــود. يکي از بهبودهاي به کار رفته در مطالعات جديد، با توجه به پيشرفت کاربرد روش هاي هوش مصنوعي، استفاده از انتخاب ويژگي به عنوان يک پيش مرحله براي مدل پيش بيني ميباشـــد، زيرا همان طور که اشـــاره گرديد، دقت عملکرد مدل مورد اســـتفاده براي پيش بيني به ميزان قابل توجهي تحت تأثير تعداد ويژگيهاي ورودي آن است . 1 Huang 2 Qiu & Song 3 Ul Haq et al. RBF،SVR و MLP از مدل هاي بسيار محبوب و متداول براي مسائل تخمين تابع ميباشند که در پژوهش هاي صورت گرفته در ارتباط با پيش بيني شاخص بورس در عرصه داخلي و خارجي، بارها مورد استفاده قرار گرفته اند، و عملکرد آن ها در افزايش دقت پيش بيني در مقايسه با ساير مدل هاي هوشمند مورد 1 Mutual Information Diference 2 F-Test Correlation Difference 3 Radial Basis Function 4 Support Vector Regression 5 Multi-Layer Perceptron 6 Deep Neural Network ســنجش و تاييد قرار گرفته اســت . 1 Ou & Wang 2 Wanga & Zhao 3 Zhang & Wu 4 Hinton & Salakhutdinov 5 Hiransha et al.

Download citation file :
(پژوهیار, , , )

Download PDF
Downlaod HTML

Shortlink:

Page: