مشخصات پژوهش

عنوان	پیش بینی قیمت سهام برای معاملات روزانه با استفاده از LSTM بهبود یافته
نوع پژوهش	مقاله ارائه شده
کلیدواژه‌ها	یادگیری ماشین- بازار بورس- شبکه LSTM - پیش بینی قیمت سهام
چکیده	امروزه مردم همیشه به دنبال راهی برای سرمایه گذاری هستند. بازار سهام یکی از مکان های اصلی سرمایه گذاری پول و سرمایه است. با توجه به اهمیت پیش بینی قیمت سهام برای معاملات روزانه، برای افزایش سود، بهبود سیستم پیشبینی کننده از اهمیت بالایی برخوردار است. از طرفی پیش بینی قیمت سهام بستگی به عوامل متعدد روانی ، اقتصادی و غیره دارد. دسترسی به اطلاعات درست و به موقع و تحلیل دقیق داده ها، ابزاری مهم برای اتخاذ تصمیم-های درست و کسب سود بیشتر است. در این جا به دنبال یافتن رویکردی مناسب برای افزایش دقت و صحت پیش بینی هستیم. در این پژوهش از جنگل‌های تصادفی و شبکه‌های LSTM به عنوان روش‌های آموزشی استفاده شده است. در این ساختار از LSTM برای اثربخشی آنها در پیش‌بینی حرکت‌های جهت‌دار خارج از نمونه سهام برای معاملات روزانه استفاده شده است. در رویکرد پیشنهادی در ابتدا ، داده‌های خام به دوره‌های مطالعه تقسیم می گردد. سپس ویژگی ها معرفی می گردد. درمرحله بعد اهداف تنظیم شده و یادگیری ماشین به افزایش کارایی سیستم کمک خواهد کرد تا استراتژی معاملاتی مناسب به کار گرفته شود. نتایج تجربی نشان می‌دهد که تنظیم چند ویژگی بازده روزانه، با استفاده از ساختارهای LSTM و جنگل‌های تصادفی عملکرد سیستم را بهبود می بخشد.
پژوهشگران	اعظم دوه لی (نفر سوم)، آرش خسروی (نفر دوم)، سیدمحمدحسین محمدی کباری (نفر اول)