پیش‌بینی قیمت سهام با استفاده از یادگیری ماشین مدل XGBoost مبتنی بر روش تفاضلات کسری [Persian Thesis]

حمید مقامی

شناسگر رکورد: ۵۲۷۰۲
رشته تحصیلی: بانکداری
عنوان: پیش‌بینی قیمت سهام با استفاده از یادگیری ماشین مدل XGBoost مبتنی بر روش تفاضلات کسری
نويسنده: حمید مقامی
استاد راهنما : دکتر رباب کلانتری
مقطع تحصیلی : کارشناسی ارشد
دانشگاه : خاتم
چکیده: پیش‌بینی قیمت سهام یکی از چالش‌های بنیادی در حوزه مالی و اقتصاد است. نوسانات شدید، غیرایستایی، غیرخطی بودن و تأثیرپذیری بازار از عوامل سیاسی، اقتصادی و روانی باعث شده است که پژوهش های بسیاری برای توضیح رفتار بازار صورت گیرد. چالش ها و پیچیدگی های این مسیر سبب شده‌اند تا پژوهشگران به سمت روش‌های یادگیری ماشین روی بیاورند؛ رویکردهایی که قادرند الگوهای پیچیده را بدون نیاز به فروض سخت آماری استخراج کنند. در این پژوهش، رویکردی نوین برای پیش‌بینی قیمت سهام بورس ایران ارائه شده است که بر پایه الگوریتم XGBoost و مبتنی بر تفاضلات کسری استوار است. الگوریتم XGBoost به دلیل دقت بالا، سرعت اجرا و توانایی در مدیریت داده‌های بزرگ در سال‌های اخیر جایگاه ویژه‌ای در رقابت‌های علمی و صنعتی یافته است. در عین حال، داده‌های مالی به دلیل ماهیت غیرایستا معمولاً نیازمند تفاضل‌گیری هستند. تفاضلات معمولی هرچند ایستایی ایجاد می‌کنند، اما بخش بزرگی از حافظه بلندمدت داده‌ها را از بین می‌برند. برای رفع این کاستی، ما از تفاضلات کسری بهره بردیم؛ روشی که امکان ایستا کردن داده‌ها را فراهم می‌آورد، در حالی که ساختار حافظه و اطلاعات تاریخی در سری زمانی حفظ می‌شود. یافته‌ها نشان دادند که مدل XGBoost در پیش‌بینی قیمت سهام عملکردی قابل توجه دارد و تفاضلات کسری به صورت معناداری دقت پیش‌بینی را بهبود می‌بخشد. در مقایسه با حالت بدون تفاضلات کسری، میزان خطا کاهش یافت و مدل توانست روندهای پنهان را بهتر آشکار کند. این نتایج بیانگر آن است که ترکیب XGBoost و تفاضلات کسری نه‌تنها قدرت پیش‌بینی را افزایش می‌دهد، بلکه نسبت به روش‌های کلاسیک آماری مانند ARIMA نیز برتری محسوسی دارد. به طور خلاصه، پایان‌نامه حاضر اثبات می‌کند با بهره‌گیری از تفاضلات کسری می‌توان ضمن حفظ حافظه ارزشمند داده‌های مالی، پیش‌بینی‌های دقیق‌تری با XGBoost انجام داد. این ترکیب، پلی است میان ریاضیات پیشرفته و یادگیری ماشین، و می‌تواند به‌عنوان مبنایی برای پژوهش‌های آینده در حوزه پیش‌بینی مالی و تحلیل سری‌های زمانی مورد استفاده قرار گیرد.
واژگان کلیدی: پیش‌بینی قیمت سهام
یادگیری ماشین
الگوریتم XGBoost
تفاضلات کسری
اوراق بهادار ایران
Register Number Part3 Version Volume Part Part2 Reference Call Number lended Date Back Description
285055 1
Copyright 2026 by Payam Hannan co ltd. PayamLib.com