فایل ورد کامل پیش بینی قیمت پایانی سهام با استفاده از روشهای یادگیری ماشینی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل پیش بینی قیمت پایانی سهام با استفاده از روشهای یادگیری ماشینی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۶ صفحه

پیش بینی دقیق بازگشت های بازار سهام به دلیل ماهیت فرّار و غیرخطی بازارهای مالی بورس، کاری بسیار چالش انگیز است. اثبات شده است که با معرفی هوش مصنوعی و قابلیت های محاسباتی افزون، روشهای برنامه ریزی شده برای پیش بینی بورس در پیش بینی قیمت سهام کارآمدتر هستند. در این کار تحقیقی، از روشهای شبکه عصبی مصنوعی و جنگل تصادفی برای پیش بینی قیمت نهایی روز بعدی برای شرکتهای متعلق به بخشهای کاری مختلف استفاده شده است. از داده های مالی مربوط به قیمت های باز، بالا، پایین و نهایی سهام برای خلق متغیرهای جدیدی استفاده می شود که این متغیرها به عنوان ورودی های مدل به کار می روند. مدلها با استفاده از شاخص های راهبردی استاندارد RMSE و MAPE ارزیابی می شوند. مقادیر پایین این دو شاخص نشان می دهد که این مدلها در پیش بینی قیمت نهایی سهام کارآمد هستند.

کلیدواژه ها: رگراسیون جنگل تصادفی | شبکه عصبی مصنوعی | پیش بینی بازار سهام

عنوان انگلیسی:

Stock Closing Price Prediction using Machine Learning Techniques

~~en~~ writers :

Mehar Vijha, Deeksha Chandola, Vinay Anand Tikkiwal, Arun Kumar

Accurate prediction of stock market returns is a very challenging task due to volatile and non-linear nature of the financial stock
markets. With the introduction of artificial intelligence and increased computational capabilities, programmed methods of prediction have proved to be more efficient in predicting stock prices. In this work, Artificial Neural Network and Random Forest
techniques have been utilized for predicting the next day closing price for five companies belonging to different sectors of operation. The financial data: Open, High, Low and Close prices of stock are used for creating new variables which are used as inputs to
the model. The models are evaluated using standard strategic indicators: RMSE and MAPE. The low values of these two indicators
show that the models are efficient in predicting stock closing price.

Keywords: Random Forest Regression | Artificial Neural Network | Stock market prediction

$$en!!