0% Complete
English
صفحه اصلی
/
سیزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش
پیشبینی بازار فارکس با استفاده از نمودار شمعی و شبکهی عصبی GRU
نویسندگان :
محمدرضا نوروزی
1
مریم مومنی
2
1- دانشگاه اراک
2- دانشگاه اراک
کلمات کلیدی :
پیش بینی قیمت،شبکه عصبی،فارکس،نمودار شمعی،یادگیری عمیق،GRU
چکیده :
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.
لیست مقالات
لیست مقالات بایگانی شده
SecVanet: provably secure authentication protocol for sending emergency events in VANET
Seyed Amir Mousavi - Mohammad Sadeq Sirjani - Seyyed Javad Bozorg zadeh Razavi - Morteza Nikooghadam
Improved Weighting in the Automated Texts Classification using Fuzzy Method
Hamidreza Sadrarhami - S. Mohammadali Zanjani - Ghazanfar Shahgholian
Prompt-Based Composed Fashion Image Retrieval via Gated Detail-Enhanced Dual Cross-Attention Difference Modeling
Kosar Keshavarz - Reza Azmi
Context Awareness Gate for Retrieval Augmented Generation
Mohammad Hassan Heydari - Arshia Hemmat - Erfan Naman - Afsaneh Fatemi
A Neural-based Approach to Aid Early Parkinson's Disease Diagnosis
Dr Armin Salimi-badr - Mohammad Hashemi
Distributed Deep Reinforcement Learning for Energy-Efficient and Low-Latency Load Balancing in Mobile Edge Computing
Pooria Azizi - Siavash Khorsandi
A Deep Neural Network-based Method for MmWave Time-varying Channel Estimation
Amirhossein Molazadeh - Zahra Maroufi - Mehrdad Ardebilipour
Enhancing QSAR Modeling: A Fusion of Sequential Feature Selection and Support Vector Machine
Farzaneh Khajehgili-Mirabadi - Mohammad Reza Keyvanpour
IT-based and Non-IT-based methods to separate and collect waste
Hoda Harati - Farzad Haghighi-Rad - Reza Yousefi Zenouz
Effective Classifier for Predicting Churn in Payment Terminals Using RFM model and Deep Neural Network
Dr Mahila Dadfarnia - Ali Alemi Matinpour - Dr Monireh Abdoos
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 44.5.0