0% Complete
فارسی
Home
/
سیزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش
پیشبینی بازار فارکس با استفاده از نمودار شمعی و شبکهی عصبی GRU
Authors :
محمدرضا نوروزی
1
مریم مومنی
2
1- دانشگاه اراک
2- دانشگاه اراک
Keywords :
پیش بینی قیمت،شبکه عصبی،فارکس،نمودار شمعی،یادگیری عمیق،GRU
Abstract :
نمودار شمعی (Candlestick Chart) محبوبترین و پرکاربردترین نوع نمایش قیمت در بین تحلیلگران و معاملهگران است؛ ازاینرو پیشبینیِ آن میتواند از اهمیت زیادی برخوردار باشد. هر شمع در نمودار شمعی حاوی چهار دادهی قیمت باز شدن، بیشترین قیمت، کمترین قیمت و قیمت بسته شدن میباشد که در مقایسه با نمودار خطی قيمت دارای سه دادهی بیشتر به ازای هر روز است؛ بنابراین انتظار میرود در صورت اعمال یک الگوریتم یادگیری بر این نوع از مجموعهداده، نتیجهی بهتری نسبت به اعمال همان الگوریتم بر دادههای برگرفته از نمودار خطی حاصل شود. در این مقاله به منظور بررسیِ این فرضیه، از دادههای بازار فارکس (FOREX) که بزرگترین و پویاترین بازار مالی در جهان میباشد، بعنوان ورودی و از شبکهی عصبی واحد بازگشتي دروازه اي (Gated Recurrent Unit) بعنوان الگوریتم یادگیری استفاده شده است. در پایان با دستیابی به میانگین اندازهی خطای (Mean Absolute Error) 0/002273 و R2ی 0/99483، برتری مدل پیشنهادی نسبت به شبكه با حافظه طولاني كوتاه مدت (Long Short-Term Memory) و پرسپترون چندلايه (Multilayer perceptron) و همچنین نتایج مشابه در سایر پژوهشها مشخص شد.
Papers List
List of archived papers
An Eco-Friendly Cosmopolitan (EFC) by Recycling Scientific/Industrial Towns (RSITs)
Engineer Reza Khalilian - Dr. Abdalhossein Rezai - Dr. Mohammadreza Talakesh
ارائۀ چارچوب هستانشناسی برای شهر هوشمند مبتنی بر سیستمهای سایبر-فیزیکی
علی اصغر قائمی - جعفر حبیبی - سید حسن میریان
BMPA- DSL: Binary Marine Predators Algorithm to Identify Driver's Different Levels of Stress
Mahtab Vaezi - Mehdi Nasri - Farhad Azimifar - Mahdi Mosleh
مروری تحلیلی بر مسائل، معماری و چالشهای شبکههای عصبی گراف در گرافهای دوبخشی
صفورا اسمعیلی - فردین اخلاقیان طالب - صادق سلیمانی
A Deep Neural Network-based Method for MmWave Time-varying Channel Estimation
Amirhossein Molazadeh - Zahra Maroufi - Mehrdad Ardebilipour
A Topic Based Method to Classify the Question Clarity in CQA Networks
Alireza Khabbazan - Dr Ahmad Ali Abin
IoT-Driven Water Quality Management System using Deep Q-Network
Shakiba Rajabi - Komeil Moghaddasi
تخلیهبار محاسباتی ریزدانه تحرکآگاه در رایانش لبه برای اینترنت اشیاء
شکوفه نوروزی - دکتر زینب موحدی شکوفه نوروزی - زینب موحدی -
Effective Classifier for Predicting Churn in Payment Terminals Using RFM model and Deep Neural Network
Dr Mahila Dadfarnia - Ali Alemi Matinpour - Dr Monireh Abdoos
Enhancing Supervised Learning in Speech Emotion Recognition through Unsupervised Representations
Niloufar Faridani - Amirali Soltani Tehrani - Ramin Toosi
more
Samin Hamayesh - Version 42.5.2