0% Complete
English
صفحه اصلی
/
پانزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش
StockFM: پیش بینی قیمت بازار بورس ایران به کمک مدل بنیادین سری زمانی
نویسندگان :
فاطمه چیت ساز
1
سامان هراتی زاده
2
1- دانشگاه تهران ٫ دانشکده علوم و فنون نوین
2- دانشگاه تهران ٫ دانشکده علوم و فنون نوین
کلمات کلیدی :
مدلهای بنیادین سری زمانی،TimesFM،پیشبینی بازار بورس
چکیده :
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.
لیست مقالات
لیست مقالات بایگانی شده
Video Steganography in HEVC Using Intra-Prediction Modes
Vahidreza Seirafian - Masoud Omomi
StockFM: پیش بینی قیمت بازار بورس ایران به کمک مدل بنیادین سری زمانی
فاطمه چیت ساز - سامان هراتی زاده
Detection of Backdoor Attacks in Neural Networks Using Input Optimization
Parsa Hashemi Khorsand - Ahmad Nickabadi
A clonal selection mechanism for load balancing in the cloud computing system
Melika Mosayyebi - Reza Azmi
Context Awareness Gate for Retrieval Augmented Generation
Mohammad Hassan Heydari - Arshia Hemmat - Erfan Naman - Afsaneh Fatemi
Using Trust Statements and Ratings by GraphSAGE to Alleviate Cold Start in Recommender Systems
Seyedeh Niusha Motevallian - Dr Seyed Mohammad Hossein Hasheminejad
Open-domain question classification and completion in conversational information search
Omid Mohammadi Kia - Mahmood Neshati - Mahsa Soudi Alamdari
Stock Market Prediction Using Hard and Soft Data Fusion
Saeed Mohammadi Dashtaki - Masoud Alizadeh - Behzad Moshiri
A parallel approach to the fractional time delay model for predicting the spread of COVID-19
Mahdi Movahedian Moghaddam - Kourosh Parand
Improving Deep Neural Network Accelerator for Malaria Diseased Blood Cells using FPGA
Hadi Rezaeikarjani - Mojtaba Valinataj
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 43.8.0