چکیده:
بازارهای مالی نقش مهمی در سازمان اجتماعی و اقتصادی جامعه مدرن ایفا میکنند. در این نوع بازارهاء
اطلاعات مربوط به دارایی ارزشمند است. با این حال» با نوسازی معاملات مالی و سیستمهای اطلاعاتی»
مقدار زیادی از اطلاعات در دسترس برای یک معامله گر میتواند منجر به تجزیه و تحلیل امور مالی گردد.
در دهههای اخیرء بسیاری از محققان تلاش کردهاند که به منظور توسعه روش هوشمند محاسباتی و
الگوریتم از تصمیمگیری در بخشهای مختلف بازار مالی حمایت کنند. در آثار مختلف,» تعداد زیادی از
مقالات علمی که استفاده از تکنیکهای هوش محاسباتی برای حل مشکلات بازار مالی را بررسی کرده
اند» وجود دارد. با این حال» تنها مطالعات کمی بر بررسی این موضوع متمرکز است. بسیاری از مقالات
مروری بر یک دامنه محدودء یا با تمرکز بر یک برنامه خاص بازار مالی و یا با تمرکز بر یک خانواده از
الگوریتمهای الکترونیک دارد. در این مقاله به بررسی استفاده از چندین روش هوشمند محاسباتی در
برنامههای مختلفی مالی پرداخته شده است. این مقاله مروری کلی بر مهمترین مطالعات اولیه ۲۰۰۹-۲۰۱۵
است که جهت پیشبینی حر کات بازار آینده و استخراج اطلاعات متن مالی» در میان دیگر مسایل» تکنیک
خوشهبندی دادههای مالی را پوشش میدهد.
خلاصه ماشینی:
اين مقاله مروري کلي بر مهمترين مطالعات اوليه ٢٠١٥- ٢٠٠٩ است که جهت پيش بيني حرکات بازار آينده و استخراج اطلاعات متن مالي، در ميان ديگر مسايل ، تکنيک خوشه بندي داده هاي مالي را پوشش ميدهد.
اولين مسئله اصلي بازارهاي مالي انتخاب آزمون ورد کردن متغير به روش هاي آموزش الکترونيک و سيگنال هاي خروجي مدل سازي جهت پيش بيني است و در تعريف قوانين براي ورود و خروج از بازار و ريسک و مديريت پول استراتژي مورد استفاده قرار دارد.
اين روش به عنوان اعتراض اصلي به انتخاب و يا استخراج ويژگيهاي مربوطه را از داده هاي ورودي به منظور بهبود پيش بيني از سيگنال هاي مالي در قوانين تجارت استفاده ميشود.
در برخي تجزيه وتحليل مولفه هاي مستقل (ICA) جهت تشخيص اجزاي مستقل از يک مجموعه داده که در حال حاضر رفتاري طبيعي دارند و پس از آن از سروصدا فيلتر شده اند (داي، وو، و لو، ٢٠١٢؛ کائو، چيو، لو، و يانگ ، ٢٠١٣؛ لو و همکاران ، ٢٠٠٩) ازICA غيرخطي NICA در ترکيب با رگرسيون بردار پشتيبان SVR براي پيش بيني قيمت سهام استفاده شده است .
اجزاي مستقل حاوي اطلاعات کمتر در مورد ويژگيهاي اصلي اين سري زماني اصلي سروصدا در نظر گرفته شده است کائو و همکاران (٢٠١٣) از NICA در ترکيب با SVR براي پيش بيني قيمت سهام استفاده کردند.
Performance analysis of Indian stock market index using neural network time series model.
Associating stock prices with web fnancial information time series based on support vector regression.
Adaptive neural network model us- ing the immune system for fnancial time series forecasting.