تحلیل احساسات در بازار بورس تهران توسط یادگیری عمیق [پايان نامه فارسي]
فاطمه پولادی
| شناسگر رکورد: | ۲۰۹۰۸ |
| رشته تحصیلی: | مهندسی مالی و مدیریت ریسک |
| عنوان: | تحلیل احساسات در بازار بورس تهران توسط یادگیری عمیق |
| نويسنده: | فاطمه پولادی |
| استاد راهنما : | دکتر محمد علی رستگار سرخه |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۴۰۲ |
| چکیده: | با افـزایش ضریب نفوذ اینترنت در میان جوامع مختلف، سرعت پخش اخبار و تاثیر لحظهای آنها در بازارهای مالی رو به افزایش است. اگرچه این موضوع موجب افزایش کارایی بازارهای مالی شده است، اما تحلیل این حجم از اطلاعات و بررسی تاثیر آنها در بازارهای مالی از توان انسان خارج است. هوش مصنوعی ابرازی است که برای تحلیل اخبار میتواند مورد استفاده قرار بگیرد. از آنجایی که تحلیل اخبار در اتخاذ موقعیتهای معاملاتی نقش مهمی ایفا میکند، اخیرا طراحی سیستمهای معاملاتی که از ویژگیهای خبری برای افزایش دقت پیشبینی بازار استفاده مینمایند، مورد توجه محققین قرار گرفته است. ما در فاز اول این پژوهش، به طراحی سیستم تحلیل احساسی اخبار بازار بورس تهران مبتنیبر واکاوی متن توسط چهار مدل مختلف با ساختارهای CNN-LSTM-(MHA) و CNN-GRU-(MHA) میپردازیم و سپس، بهترین مدل را بر اساس ماتریس درهم ریختگی انتخاب مینمائیم. در فاز دوم، از مدلی با ساختار CNN-MHA برای پیشبینی شاخص کل و هم وزن در تایم فریم ۳۰ دقیقه استفاده میکنیم و برای افزایش دقت، تحلیل خبری توسط بهترین مدل فاز نخست را به عنوان ویژگی ورودی به مدل اعمال میکنیم. نتایج نشان میدهند که افزودن تحلیل خبری، بر خلاف شاخص کل، میتواند موجب افزایش دقت مدل CNN-MHA در پیشبینی شاخص هموزن گردد و میزان سودآوری آن را در معاملات الگوریتمی افزایش دهد. واژههای کلیدی: تحلیل اخبار، یادگیری عمیق، تحلیل احساسات، پیشبینی بازار سهام، معاملات الگوریتمی، بازار بورس تهران. |
| شماره ثبت | نسخه | جلد | بخش | مرجع | شماره بازیابی | در دست امانت | تاریخ بازگشت | ملاحظات | |
|---|---|---|---|---|---|---|---|---|---|
| 284327 | 1 |
جهت ثبت نظر با حساب کاربری تان وارد شوید