| مقایسه شبکه‌های عصبی بازگشتی LSTM و GRU در پیش‌بینی قیمت جفت ارز طلا-دلار |
| کد مقاله : 1062-FEMATH7 |
| نویسندگان |
|
هادی فراهانی *1، منصور حسن زاده2 1دانشگاه شهید بهشتی. دانشکده ریاضی. گروه علوم کامپیوتر و داده ها 2دانشجوی کارشناسی ارشد دانشگاه آزاد علوم و تحقیقات |
| چکیده مقاله |
| یکی از چالش‌های مهم برای سرمایه‌گذاران خرد و کلان در بازارهای مالی تشخیص روند بازار و نیز قیمت های باز و بسته‌شدن آتی سهم‌های مختلف است. پیش‌بینی بازار سهام با توجه به تاثیر عواملی چون اخبار، عملکرد شرکت‌ها، عملکرد صنعت، احساسات سرمایه‌گذاران، احساسات رسانه‌های اجتماعی و عوامل اقتصادی از اهمیت ویژه‌ای برخوردار است. در سال‌های اخیر استفاده از روش‌های یادگیری ماشین و معاملات الگوریتمی در پیش‌بینی و تشخیص قیمت سهام و روند بازار و نیز معاملات سهام مورد توجه قرار گرفته است. در این مقاله با به‌کارگیری یک شبکه عصبی مصنوعی با حافظه کوتاه‌مدت طولانی(LSTM) و یک شبکه عصبی بازگشتی دروازه‌ای (GRU)، قیمت بسته‌شدن جفت ارز طلا – دلار در نمودار شمعی بعدی پیش‌بینی می‌شود. همچنین دو مدل پیشنهادی روی داده‌های پنج سال اخیر جفت ارز طلا – دلار در بازه زمانی 1 دقیقه و 5 دقیقه مطالعه و مقایسه می‌شوند. مشاهده می‌شود با مدل LSTM حدود 93 درصد و با مدل GRU حدود 97 درصد دقت داریم. |
| کلیدواژه ها |
| شبکه عصبی مصنوعی ،GRU ، LSTM ، نمودار شمعی ، بازار سهام |
| وضعیت: پذیرفته شده برای ارائه شفاهی |