استفاده از روشهای یادگیری ماشین در بازار مالی برای تجزیه و تحلیل فنی مبتنی بر مدلهای ترکیبی
مدیریت کاربردی و چابک سازی سازمانی - SRPH JOURNAL OF APPLIED MANAGEMENT AND AGILE ORGANISATION
1399/2020
چکیده
در این مطالعه، یک مدل ترکیبی جدید مبتنی بر شبکه های عصبی عمیق برای پیش بینی جهت و میزان حرکت بازار فارکس در کوتاه مدت ارائه شده است. مدل کلی ارائه شده براساس استراتژی جرم گیری است و برای معاملات با فرکانس بالا ارائه شده است. مدل ترکیبی پیشنهادی مبتنی بر ترکیبی از سه مدل مبتنی بر شبکه های عصبی عمیق است. مدل اول یک شبکه عصبی عمیق با ساختار چند ورودی متشکل از ترکیبی از لایه های حافظه کوتاه مدت است. مدل دوم یک شبکه عصبی عمیق با ساختار چند ورودی است که از ترکیبی از لایه های شبکه عصبی کانولوشن یک بعدی ساخته شده است. مدل سوم ساختار ساده تری دارد و یک مدل چند ورودی از لایه های چند لایه پرسپترون است. مدل کلی همچنین مدلی بود که بر اساس آرای اکثریت سه مدل، برتر بود. این مطالعه نشان داد که مدلهای مبتنی بر لایه های حافظه کوتاه مدت طولانی با بیش از 70٪ ؛ دقت نتایج بهتری نسبت به مدلهای دیگر و حتی مدلهای ترکیبی ارائه می دهند.متن کامل این مقاله به زبان انگلیسی می باشد. لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

