ترجمه حسابداری و کامپیوتر-14 صفحه
پیش بینی ارزش بازار سهام با استفاده از شبکه های عصبی
سال 2010
Stock market value prediction using neural networks
Mahdi Pakdaman Naeini
IT & Computer Engineering Department, Islamic Azad University, Parand Branch, Tehran, Iran
Hamidreza Taremian
Engineering Department, Islamic Azad University, Tehran East Branch, Iran
Homa Baradaran Hashemi
School of Electrical and Computer Engineering, University of Tehran, Iran
https://doi.org/10.1109/CISIM.2010.5643675
دانلود رایگان مقاله انگلیسی -بازار سهام
چکیده:
شبکه های عصبی، به عنوان نوعی روش داده کاوی هوشمند، در بسیاری از مسائل شناخت الگوی چالشی متفاوت، استفاده می شوند، مانند پیش بینی بازار سهام. به هر حال، در ادبیات یک روش معمول برای تعیین شبکه عصبی مطلوب جهت پیش بینی هدف وجود ندارد. در این مقاله، دو نوع شبکه عصبی، پرسپترون چندلایه پیش خور (MLP) و شبکه برگشتی المان، جهت پیش بینی ارزش سهام یک شرکت بر مبنای ارزش تاریخی هر سهم آن استفاده شده است. نتایج تجربی نشان می دهد که استفاده از شبکه عصبی MLP در پیش بینی تغییرات ارزش سهام نسبت به شبکه برگشتی المان و روش رگرسیون خطی بیشتر مورد انتظار است. در هر حال، بر مبنای سنجش استانداردی که در این مقاله ارائه خواهیم داد، می بینیم که شبکه برگشتی المان و رگرسیون خطی می توانند مسیر تغییرات ارزش سهام را بهتر از MLP پیش بینی نمایند.
کلمات کلیدی: پیش بینی بازار سهام؛ داده کاوی؛ شبکه های عصبی
Abstract
Neural networks, as an intelligent data mining method, have been used in many different challenging pattern recognition problems such as stock market prediction. However, there is no formal method to determine the optimal neural network for prediction purpose in the literature. In this paper, two kinds of neural networks, a feed forward multi layer Perceptron (MLP) and an Elman recurrent network, are used to predict a company's stock value based on its stock share value history. The experimental results show that the application of MLP neural network is more promising in predicting stock value changes rather than Elman recurrent network and linear regression method. However, based on the standard measures that will be presented in the paper we find that the Elman recurrent network and linear regression can predict the direction of the changes of the stock value better than the MLP.
