پیش بینی بازده سهام مبتنی بر روش CNN_BILSTM با استفاده از ARO [پايان نامه فارسي]

مهدی آلبویه

شناسگر رکورد: ۵۲۰۶۹
رشته تحصیلی: بانکداری
عنوان: پیش بینی بازده سهام مبتنی بر روش CNN_BILSTM با استفاده از ARO
نويسنده: مهدی آلبویه
استاد راهنما : دکتر رباب کلانتری
مقطع تحصیلی : کارشناسی ارشد
دانشگاه : خاتم
تاریخ دفاع : ۱۴۰۴
چکیده: پیش‌بینی بازده سهام به دلیل پویایی‌ها و ماهیت غیرخطی بازارهای مالی همواره چالشی اساسی بوده است. در این پژوهش، یک معماری ترکیبی نوآورانه بر پایه‌ی یادگیری عمیق ارائه شده است که از N-BEATS، TCN (شبکه عصبی کانولوشنی زمانی) و شبکه‌ی BiLSTM و مکانیزم هم‌توجهی بهره می‌گیرد. مدل پیشنهادی با استفاده از یک پنجره‌ی زمانی از قیمت‌های گذشته‌ی سهام به ‌همراه ویژگی‌های کمکی (نظیر شاخص‌های تکنیکالی) آموزش داده می‌شود. به‌منظور افزایش پایداری مدل در برابر نویز و نوسانات شدید، از تابع زیان هابر (Huber) به‌عنوان تابع هزینه و از بهینه‌سازAdam برای آموزش مدل استفاده شده است. عملکرد مدل بر اساس شاخص‌های ارزیابی مرسوم RMSE، MAE،MAPE و ضریب تعیینR۲ سنجیده شد. نتایج آزمایش‌ها بر روی داده‌های چند سهم نشان می‌دهد که مدل ترکیبی پیشنهادی به‌طور معناداری دقت پیش‌بینی را در مقایسه با مدل‌های پایه (از جمله مدل‌های عمیق CNN، مدل ترکیبی CNN-LSTM و مدلCNN-BiLSTM) بهبود می‌بخشد. این برتری حاکی از توان مدل در بهره‌گیری هم‌زمان از الگوهای زمانی محلی و تعامل مؤثر ویژگی‌های مختلف برای پیش‌بینی بهینه‌ی قیمت و بازده سهام است.
واژگان کلیدی: پیش‌بینی سهام، شبکه های عصبی، الگوریتم خرگوش مصنوعی
شماره ثبت نسخه جلد بخش مرجع شماره بازیابی در دست امانت تاریخ بازگشت ملاحظات
284775 1
Copyright 2025 by Payam Hannan co ltd. PayamLib.com