الوصف
توقع سعر السهم من خلال التنقيب في البيانات باستخدام الخوارزميات التطورية المشتركة
تم إجراء أبحاث Sereval من أجل تحديد توقعات دقيقة وموثوقة لأسعار الأسهم من خلال المحاكاة وتحليل السلاسل الزمنية والجمع بين الذكاء الاصطناعي وطرق تحليل السلاسل الزمنية والجمع مؤخرًا بين استخراج البيانات والذكاء الاصطناعي مع طرق وخوارزميات التحسين التطورية. في هذا البحث ، من خلال عملية CRISP لاستخراج البيانات ومراجعة عمليات إعادة التقييم الأخيرة حول الخوارزميات التوليفية للتنبؤ بسعر السهم ، ومجموعة من الشبكة العصبية الاصطناعية وخوارزميات التحسين التطوري المختارة للتنبؤ بسعر السهم. الخوارزمية الجينية (GA) وخوارزمية تحسين سرب الجسيمات (PSO) وخوارزمية المنافسة الإمبريالية (ICA) المستخدمة لتدريب الشبكة العصبية الاصطناعية (ANN) مع بيانات سلسلة زمنية لسعر السهم مخفضة لخمسة رموز تداول مختار. تُظهر سجلات متوسط الخطأ التربيعي (MSE) أن ANN المدربة على خوارزمية تحسين سرب الجسيمات تؤدي إلى تنبؤات أكثر دقة وموثوقية مقارنة مع ANN الأخرى المدربة باستخدام خوارزميات تحسين تطورية أخرى ملحوظة. أيضًا ، يتم تحدي عدم كفاءة ANN المدربة باستخدام خوارزمية backpropagation بسبب ضعف التعرف على البيانات المضطربة كنتيجة مساعدة.
الكلمات الأساسية: التنبؤ ، التنقيب عن البيانات ، الشبكة العصبية الاصطناعية ، خوارزميات التحسين التطوري
المراجعات
لا توجد مراجعات بعد.