نقش توجه سرمایه گذار در پیشبینی قیمت سهام: از دید شبکه های حافظه کوتاه مدت طولانی (LSTM) [پايان نامه فارسي]
کوثر سلطانی
| شناسگر رکورد: | ۱۹۸۹۹ |
| رشته تحصیلی: | مهندسی مالی و مدیریت ریسک |
| عنوان: | نقش توجه سرمایه گذار در پیشبینی قیمت سهام: از دید شبکه های حافظه کوتاه مدت طولانی (LSTM) |
| نويسنده: | کوثر سلطانی |
| استاد راهنما : | دکتر رباب کلانتری |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۴۰۱ |
| چکیده: | امروزه یکی از مسائل مهم در اقتصاد، توانایی پیشبینی روند قیمت سهام است. کسانی که با استفاده از خرید و فروش در بازار سهام کسب درامد می¬کنند از اهمیت اطلاع از پیشبینی روند قیمت آگاهند. یکی از روش¬های مهم و قابل اتکا در این زمینه، پیشبینی روند قیمت با استفاده از شبکه عصبی است که از دقت بالایی برخوردار است. در این پژوهش پیشبینی رفتار بازار سهام با استفاده از شبکه عصبی LSTM و RNN انجام شده است و از ۱۰ شرکت بازار سهام که بیشترین حجم و بیشترین ارزش معاملات با کمترین تعداد روزهای بسته را داشتند به عنوان نمونه پژوهش استفاده شده است. برای افزایش دقت مدل از مؤلفه¬های توجه سرمایه¬گذار، به ویژه حجم جستجوی اینترنت استفاده کرده¬ایم. در این پژوهش دو مدل با هم مقایسه و تاثیر داده¬ی گوگل ترند در هر کدام مورد بررسی قرار گرفت. نتایج پژوهش نشان می¬دهد شبکه عصبی LSTM با استفاده از داده¬¬ی گوگل ترند می¬تواند قیمت سهام را با دقت بسیار خوبی پیشبینی کند. واژههای کلیدی: حافظه کوتاه¬مدت طولانی(LSTM)، شبکه عصبی بازگشتی(RNN)، توجه سرمایه¬گذار، گوگل ترند. |
| شماره ثبت | جزء | نسخه | جلد | بخش | قسمت | مرجع | شماره بازیابی | در دست امانت | تاریخ بازگشت | ملاحظات | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 283783 | 1 |
جهت ثبت نظر با حساب کاربری تان وارد شوید