پیش بینی قیمت سهام با استفاده از روش داده کاوی
محورهای موضوعی : فناوری اطلاعاتپریسا دانشجو 1 , مجتبی حاجی غلامی 2
1 - دانشیار،دانشکده فنی مهندسی،دانشگاه آزاد اسلامی- واحد تهران غرب،تهران،ایران
2 - دانشگاه آزاد اسلامی تهران غرب
کلید واژه: توسعه پایدار, داده کاوی, داده‌های بزرگ , شبکه عصبی مصنوعی , یادگیری ماشینی,
چکیده مقاله :
این مقاله به بررسی روش‌های داده کاوی برای پیشبینی بازار های مالی و تحلیل توسعه پایدار موضوعات مالی و پیشبینی روند با استفاده از داده کاوی می‌پردازد. این مقاله همچنین به بررسی تأثیر استفاده از روش‌های داده کاوی در بازار سهام و کارایی آن در این زمینه می‌پردازد. در این تحقیق یک رویکرد یادگیری ماشینی معرفی میشود که اطلاعات را با استفاده از داده های موجودی عمومی میسازد و از آن اطلاعات برای پیشبینی دقیق استفاده میکند. همچنین به بررسی گونه‌های متنوعی از روش‌های داده کاوی می‌پردازد که در حوزه تجزیه و تحلیل بازارهای مالی کاربرد دارند و به طور ویژه تمرکز خود را بر پیشبینی روندهای بازار سهام معطوف می‌دارد. مطالعه ما نشان می‌دهد که از آنجایی که بازارهای مالی پویا و متغیر هستند و همواره تحت تأثیر عوامل اقتصادی، سیاسی و اجتماعی قرار دارند، استفاده از روش‌های یادگیری ماشینی و داده کاوی می‌تواند در پیشبینی دقیق‌تر حرکات قیمتی سهام مؤثر واقع شود. با توجه به داده‌های گسترده و پیچیده موجود در بازارهای مالی، روش‌های داده کاوی می‌توانند پتانسیل فراوانی در کشف الگوهای پنهان و تعیین ارتباط میان متغیرهای مختلف داشته باشند. در این راستا، الگوریتم‌های مختلف یادگیری ماشینی مانند شبکه‌های عصبی مصنوعی، ماشین‌های بردار پشتیبان و جنگل‌های تصادفی به عنوان مثال مورد استفاده قرار گرفته و در کنار آنالیزهای آماری، به بهبود قابلیت‌های تحلیلگران و سرمایه‌گذاران در تصمیم‌گیری‌های اقتصادی کمک می‌کنند. استفاده از داده‌های بزرگ و تحلیل‌های پیچیده همچنین به توسعه استراتژی‌های معاملاتی هوشمندانه که می‌توانند به بهینه‌سازی بازگشت سرمایه کمک کنند، کمک نموده است. برای نمونه، تحلیلگران می‌توانند با ادغام داده‌های احساسی حاصل از شبکه‌های اجتماعی در مدل‌های پیشبینی خود، دقت تخمین‌های خود را ارتقا بدهند. این مطالعه تأکید دارد که توسعه پایدار در بازارهای مالی نیازمند تحلیلی دقیق‌تری از داده‌ها است که در نهایت منجر به تصمیم‌گیری‌های مبتنی بر داده و فرآیندهای معاملاتی قوی تر میشود.
This article discusses data mining methods for predicting financial markets and analyzing sustainable development in financial matters. It also examines the impact of using data mining methods in the stock market and their effectiveness in this area. The research introduces a machine learning approach that generates information using publicly available data and uses this information for accurate prediction. It also explores various data mining methods relevant to financial market analysis, focusing on predicting stock market movements and trends. The study demonstrates that due to the dynamic and variable nature of financial markets influenced by economic, political, and social factors, the use of machine learning and data mining methods can lead to more accurate predictions of stock price movements. Given the extensive and complex data in financial markets, data mining methods have the potential to discover hidden patterns and determine relationships between various variables. Various machine learning algorithms such as artificial neural networks, support vector machines, and random forests, alongside statistical analyses, help improve the analytical capabilities of analysts and investors in making economic decisions. Furthermore, the use of big data and complex analyses has contributed to the development of intelligent trading strategies that can help optimize returns on investments. For example, analysts can enhance the accuracy of their predictions by incorporating sentiment data from social networks into their models. The study emphasizes that sustainable development in financial markets requires a deeper understanding and more precise analysis of data, ultimately leading to stronger data-driven decision-making and trading processes.
"Application and performance of data mining techniques in stock market ...." https://onlinelibrary.wiley.com/doi/10.1002/isaf.1518
"Forecasting stock prices using a data mining method: Evidence from ...." 28 Jan. 2021, https://onlinelibrary.wiley.com/doi/10.1002/ijfe.2516.
"Netflix Stock Price Movements Insights from Data Mining | IEEE ...." https://ieeexplore.ieee.org/document/9972547/.
"Concept and Practice of Artificial Market Data Mining Platform." https://ieeexplore.ieee.org/document/9776095.
"Stock Price Prediction Based on Data Mining Combination Model." https://www.igi-global.com/viewtitle.aspx?titleid=296707.
"A data mining framework for financial prediction | Expert Systems with ...." 01 Jul. 2021, https://dl.acm.org/doi/abs/10.1016/j.eswa.2021.114651.
"Progress and prospects of data-driven stock price forecasting research." 01 Jun. 2023, https://www.sciencedirect.com/science/article/pii/S2666307423000116.
"A Study on Developing Effective Option Trading Strategy On Nifty Index ...." https://ieeexplore.ieee.org/document/9377179.
"The Sustainable Development of Financial Topic Detection and Trend ...." 07 Jul. 2021, https://www.mdpi.com/2071-1050/13/14/7585.
"Forecasting on Stock Market Time Series Data Using Data Mining Techniques." http://www.ijesi.org/papers/NCIOT-2018/Volume-4/2.%2006-13.pdf.
