0% Complete
فارسی
Home
/
پانزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش
StockFM: پیش بینی قیمت بازار بورس ایران به کمک مدل بنیادین سری زمانی
Authors :
فاطمه چیت ساز
1
سامان هراتی زاده
2
1- دانشگاه تهران ٫ دانشکده علوم و فنون نوین
2- دانشگاه تهران ٫ دانشکده علوم و فنون نوین
Keywords :
مدلهای بنیادین سری زمانی،TimesFM،پیشبینی بازار بورس
Abstract :
در این پژوهش، مدلی نوین به نام StockFM برای پیشبینی قیمت روز بعد سهام در بازار بورس ایران ارائه شده است. این مدل با ترکیب توانایی مدلهای بنیادین سری زمانی پیشآموزشدیده و بهرهگیری از اطلاعات چندمتغیره مالی، دقت پیشبینی را بهبود میبخشد. برای ترکیب این اطلاعات، دو رویکرد مجزا ارائه شده است. در رویکرد اول، مدل بنیادین برای اصلاح خطای پیشبینی یک مدل چندمتغیره به کار میرود و در رویکرد دوم، پیشبینیهای اولیه هر متغیر بهطور جداگانه توسط مدل بنیادین انجام شده و سپس این پیش بینی ها در یک مدل چندمتغیره ترکیب میشوند. ارزیابیها نشان میدهد که StockFM در مقایسه با مدلهای بنیادین سری زمانی عمومی مانند TimesFM ، میانگین مربعات خطا (MSE) را تا 30% کاهش داده و دقت پیشبینی جهت تغییر قیمت را نیز بر مبنای معیار F1تا 25% بهبود داده است. این نتایج نشاندهنده قابلیت StockFM در شناسایی الگوهای پیچیده و بهرهگیری مؤثر از اطلاعات مالی برای پیشبینی دقیقتر در بازار سهام است.
Papers List
List of archived papers
Integration of Electric Vehicles in Smart Grid using Deep Reinforcement Learning
Farkhondeh Kiaee
ارائۀ چارچوب هستانشناسی برای شهر هوشمند مبتنی بر سیستمهای سایبر-فیزیکی
علی اصغر قائمی - جعفر حبیبی - سید حسن میریان
سیستم پیشنهاددهنده غذای سالم با استفاده از داده کاوی عادت های تغذیه ای کاربران
محمد عباسی - مریم حسینی پزوه - محمدرضا شمس
نظرکاوی در سطح مفهوم با استفاده از رویکردی ترکیبی
سیدرضا قادریان خیرآبادی سیدرضا قادریان خیرآبادی -
GanjNet: Leveraging Network Modeling with Large Language Models for Persian Word Sense Induction
Amir Mohammad Kouyeshpour - Hadi Veisi - Saman Haratizadeh
جمعآوری، تحلیل و خلاصه سازی نظرات کاربران فارسی زبان در شبکههای اجتماعی پیرامون بیماری فراگیر کووید-19
محمدرضا شمس - محمد یاسین فخار محمدرضا شمس - محمد یاسین فخار -
ارائه تکنیک یادگیری چندهسته ای مبتنی بر روش بهینه سازی برای مسئله دسته بندی سیگنال های EEG مبتنی بر تصور حرکتی
یوکابد امیری - حسام عمرانپور
Energy–Aware Clustering Routing Protocol to Improve the Multi-hop WSN Lifetime
Alireza Gholamrezaee - Hoda Gholamrezaee - Mahtab Hadiyan
Enhancing Supervised Learning in Speech Emotion Recognition through Unsupervised Representations
Niloufar Faridani - Amirali Soltani Tehrani - Ramin Toosi
A Hybrid Method to Reduce the Voltage Consumption in the Spiking Neural Networks
Shaghayegh Mehdizadeh saraj - Seyyed Amir Asghari - Mohammadreza Binesh Marvasti
more
Samin Hamayesh - Version 41.3.1