یک روش پیش بینی قیمت سهام بر اساس فناوری یادگیری عمیق

پیش بینی قیمت سهام یک موضوع داغ است و روش های پیش بینی سنتی معمولاً مبتنی بر مدلهای آماری و اقتصاد سنجی است. با این حال ، این مدل ها برای مقابله با داده های سری زمانی غیر ایستگاه دشوار است. با توسعه سریع اینترنت و محبوبیت روزافزون رسانه های اجتماعی ، اخبار و نظرات آنلاین اغلب منعکس کننده احساسات و نگرش سرمایه گذاران نسبت به سهام است که حاوی اطلاعات مهم بسیاری برای پیش بینی قیمت سهام است. این مقاله با هدف توسعه یک روش پیش بینی قیمت سهام با استفاده کامل از داده های رسانه های اجتماعی انجام شده است.

طراحی/روش شناسی/رویکرد

این مطالعه یک روش پیش بینی جدید را بر اساس فناوری یادگیری عمیق ارائه می دهد ، که متغیرهای شاخص مالی سنتی سهام و ویژگی های متن رسانه های اجتماعی را به عنوان ورودی مدل پیش بینی ادغام می کند. این مطالعه با استفاده از DOC2VEC برای ساختن بردارهای ویژگی های متن طولانی از رسانه های اجتماعی و سپس کاهش ابعاد بردارهای ویژگی متن توسط رمزگذار خودکار انباشته شده برای تعادل ابعاد بین متغیرهای ویژگی متن و متغیرهای شاخص مالی سهام. در همین حال ، بر اساس تبدیل موجک ، داده های سری زمانی قیمت سهام برای از بین بردن سر و صدای تصادفی ناشی از نوسانات بورس تجزیه می شود. سرانجام ، این مطالعه از مدل حافظه کوتاه مدت کوتاه برای پیش بینی قیمت سهام استفاده می کند.

یافته ها

نتایج آزمایش نشان می دهد که این روش بهتر از هر سه مدل معیار در انواع شاخص های ارزیابی عملکرد دارد و می تواند به طور مؤثر قیمت سهام را پیش بینی کند.

اصالت/ارزش

در این مقاله ، این مطالعه یک مدل پیش بینی قیمت سهام جدید را ارائه می دهد که شامل ویژگی های مالی سنتی و ویژگی های متن رسانه های اجتماعی است که از رسانه های اجتماعی مبتنی بر فناوری یادگیری عمیق گرفته شده است.

کلید واژه ها

• استخراج متن
• یادگیری عمیق
• رسانه های اجتماعی مالی
• پیش بینی قیمت سهام

استناد

JI ، X. ، Wang ، J. and Yan ، Z. (2021) ، "یک روش پیش بینی قیمت سهام مبتنی بر فناوری یادگیری عمیق" ، مجله بین المللی علوم جمعیت ، جلد. 5 شماره 1 ، صص 55-72. https://doi.org/10. 1108/ijcs-05-2020-0012

ناشر

انتشارات زمرد محدود

کپی رایت © 2020 ، Xuan JI ، Jiachen Wang و Zhijun Yan.

مجوز

منتشر شده در Inteational Joual of Crowd Science. منتشر شده توسط Emerald Publishing Limited. این مقاله تحت مجوز Creative Commons Attribution (CC BY 4. 0) منتشر شده است. هر کسی می تواند آثار مشتق شده از این مقاله را (هم برای مقاصد تجاری و هم غیرتجاری) تکثیر، توزیع، ترجمه و ایجاد کند، مشروط به انتساب کامل به نشریه اصلی و نویسندگان. شرایط کامل این مجوز را می توانید در http://creativecommons.org/licences/by/4. 0/legalcode ببینید

1. مقدمه

سهام یک محصول مالی است که با ریسک بالا، بازده بالا و تجارت انعطاف پذیر مشخص می شود که مورد علاقه بسیاری از سرمایه گذاران است. سرمایه گذاران می توانند با برآورد دقیق روند قیمت سهام، بازدهی فراوانی به دست آورند. با این حال، قیمت سهام تحت تأثیر عوامل زیادی مانند وضعیت اقتصاد کلان، وضعیت بازار، رویدادهای اجتماعی و اقتصادی عمده، ترجیحات سرمایه گذاران و تصمیمات مدیریتی شرکت ها قرار دارد. بنابراین، پیش بینی قیمت سهام همواره مورد توجه و موضوع دشوار تحقیق بوده است. مدل های آماری و اقتصادسنجی معمولاً در پیش بینی سنتی قیمت سهام استفاده می شوند، اما این روش ها نمی توانند با محیط پویا و پیچیده بازار سهام مقابله کنند. از سال 1970، با توسعه سریع فناوری رایانه، محققان شروع به استفاده از یادگیری ماشینی برای پیش بینی قیمت و نوسانات سهام کردند و به سرمایه گذاران کمک کرد تا استراتژی های سرمایه گذاری را برای کاهش ریسک و افزایش بازده تعیین کنند.

بورس سهام یک سناریوی سری زمانی بسیار پیچیده است و دارای ویژگی های پویا معمولی است. پس از افتتاح بازار ، معاملات پویا زیادی وجود خواهد داشت و قیمت سهام بر این اساس تغییر خواهد کرد. علاوه بر این ، قیمت سهام تحت تأثیر بسیاری از عوامل غیرقابل پیش بینی قرار می گیرد ، که منجر به داده های سری زمانی قیمت سهام غیر ایستگاه معمولی می شود. بنابراین ، پیش بینی قیمت سهام یکی از چالش برانگیزترین مشکلات در انواع تحقیقات پیش بینی است. در دهه های گذشته ، محققان پیش بینی قیمت سهام را از دیدگاه های زیادی مطالعه کرده اند ، جایی که بهبود مدل های پیش بینی و انتخاب ویژگی های مدل ، دو جهت مهم در بین آنها است. بیشتر مطالعات اولیه از مدلهای اقتصاد سنجی استفاده می کردند ، مانند میانگین متحرک یکپارچه خودجوش (ARIMA) و میانگین متحرک یکپارچه هتروسیکدستیک خودی شرطی (Arch-Arima) (Booth et al. ، 1994 ؛ Engle ، 2001) ، برای پیش بینی قیمت سهام. با این حال ، برای مدل های اقتصادسنجی دشوار است که تأثیر سایر عوامل بر نوسانات قیمت سهام را در نظر بگیرند و فرضیات محکمی در مورد داده ها دارند که اغلب آنها را تحقق می بخشد (Le and Xie ، 2018). بنابراین ، یادگیری ماشین به طور گسترده در پیش بینی قیمت سهام در سالهای اخیر مورد استفاده قرار گرفته است و بسیاری از مدل های مناسب تر برای پیش بینی سهام ارائه شده است. بسیاری از مطالعات نشان داده اند که یادگیری عمیق نسبت به سایر مدلها دارای راندمان برتر است (مارمر ، 2008) و مدل های شبکه عصبی از رگرسیون و مدل های تبعیض آمیز برتری دارند (Refenes et al. ، 1994). از نظر انتخاب ویژگی ، برخی از محققان ارتباط بین ویژگی های جدید و قیمت سهام و برخی از ویژگی های جدید ، از جمله عوامل سیاسی ، عوامل کلان اقتصادی و احساسات سرمایه گذاران و غیره را کشف می کنند ، در مدل پیش بینی گنجانیده شده اند (سرولولو رویو و همکاران.، 2015 ؛ پاتل و همکاران ، 2015).

ادبیات قبلی به طور گسترده روشهای پیش بینی قیمت سهام را بررسی می کند و بسیاری از مدل های پیش بینی پیشرفته ارائه شده است. با این حال ، رویکردهای موجود در مورد پیش بینی قیمت سهام دارای دو محدودیت اصلی است. اول ، اگرچه از ویژگی های متن در مدل های موجود استفاده می شود تا اطلاعات مهم را در رسانه های اجتماعی بهتر بگنجانند ، اما معمولاً بر اساس فن آوری های سنتی معدنکاری متن مانند مدل کیف کلمه استخراج می شوند. این فن آوری های معدنکاری متن نمی توانند معنایی و سایر اطلاعات را در رسانه های اجتماعی در نظر بگیرند که برای بهبود عملکرد مدل های پیش بینی مفید هستند. دوم ، کاهش ابعاد ویژگی یک گام اساسی در هنگام تعادل ویژگی های متن و ویژگی های مالی در پیش بینی قیمت سهام است. با این حال ، روش های پیش بینی قیمت قبلی معمولاً تجزیه و تحلیل مؤلفه اصلی (PCA) و تخصیص Dirichlet نهان (LDA) را برای کاهش بعد ویژگی اتخاذ می کنند. روش PCA دارای مشکلات از دست دادن اطلاعات است و قادر به پردازش داده های غیرخطی نیست ، در حالی که روش LDA نمی تواند اطلاعات معنایی را در رسانه های اجتماعی در نظر بگیرد. بنابراین ، این دو روش برای پیش بینی قیمت سهام مناسب نیستند (Bao et al. ، 2017).

برای پر کردن شکاف تحقیقاتی مورد بحث در بالا، این مقاله یک روش جدید پیش بینی قیمت سهام مبتنی بر فناوری یادگیری عمیق را پیشنهاد می کند که Doc2Vec، رمزگذار خودکار پشته ای (SAE)، تبدیل موجک و مدل حافظه کوتاه مدت بلند مدت (LSTM) را ادغام می کند. استخراج ویژگی اطلاعات متنی در رسانه های اجتماعی می تواند گرایش عاطفی سرمایه گذاران را توصیف کند و به پیش بینی دقیق تر قیمت سهام کمک کند. ابتدا ویژگی های پیش بینی را به دو نوع طبقه بندی می کنیم، یعنی ویژگی های مالی و ویژگی های متنی. ما از ویژگی های مالی پرکاربرد استفاده می کنیم و ویژگی های متنی را از رسانه های اجتماعی با فناوری یادگیری عمیق استخراج می کنیم. دوم، مدل Doc2Vec برای آموزش اسناد اصلی رسانه های اجتماعی و به دست آوردن بردارهای ویژگی متن استفاده می شود. مدل Doc2Vec می تواند اطلاعات معنایی اسناد و رابطه بین کلمات مختلف را حفظ کند، که بر کاستی های روش های استخراج ویژگی های متن سنتی (مانند روش تطبیق فرهنگ لغت، فرکانس فرکانس معکوس سند و LDA) غلبه می کند. سوم، SAE برای کاهش ابعاد بردارهای ویژگی متن اتخاذ شده است، که بعد ویژگی های متن را با ویژگی های مالی متعادل می کند. چهارم، تبدیل موجک برای تبدیل متغیر هدف (قیمت سهام) و حذف نویز تصادفی در داده های سری زمانی قیمت سهام استفاده می شود. در نهایت، ویژگی های مالی سهام و ویژگی های متن حفاری شده به عنوان ویژگی های ورودی در نظر گرفته می شوند و LSTM برای پیش بینی قیمت سهام اتخاذ می شود.

بقیه این مقاله به شرح زیر سازماندهی شده است. ما ادبیات مربوط به پیش بینی قیمت سهام را در بخش 2 مرور می کنیم و روش خود را در بخش 3 معرفی می کنیم. داده های تحقیق و فرآیند تجربی را در بخش 4 توضیح می دهیم. در نهایت، مقاله را با خلاصه و جهت گیری های احتمالی تحقیقات آینده در بخش 5 به پایان می رسانیم.

2. ادبیات مرتبط

مقاله ما روش پیش بینی قیمت سهام را بر اساس یادگیری عمیق مطالعه می کند. کار پژوهشی مرتبط عمدتاً در مورد مدل پیش بینی و انتخاب ویژگی مدل پیش بینی است. این بخش ادبیات را از این دو جنبه بررسی می کند.

2. 1 مدل پیش بینی

بهبود مدل های پیش بینی همواره یکی از مهم ترین جهت گیری های تحقیقاتی پیش بینی قیمت سهام بوده است. روش های پیش بینی قیمت سهام بیشتر از یک مدل اقتصادسنجی یا مدل یادگیری ماشین استفاده می کنند. این دو مدل به طور مداوم بهبود یافته اند تا برای پردازش داده های سری زمانی مالی در بازار سهام پیچیده مناسب تر باشند.

از نظر مدل های اقتصادسنجی، بوث و همکاران. از مدل ARIMA برای پیش بینی قیمت سهام با شش متغیر توضیحی شامل عوامل کلان اقتصادی و عوامل تاخیر استفاده کرد. نتایج نشان داد که این متغیرها برای بهبود دقت مفید بودند (بوث و همکاران، 1994). بریدت و همکارانمعتقد بودند که مدل های نوسانات تصادفی ARCH، ARCH تعمیم یافته (GARCH) یا استاندارد (حافظه کوتاه) برای پیش بینی قیمت سهام مناسب نیستند (Breidt et al., 1998). آنها روش جدیدی را برای پیش بینی سری های زمانی پیشنهاد کردند که می تواند با واریانس های شرطی سروکار داشته باشد، به نام مدل نوسانات تصادفی حافظه بلند، که نسبت به مدل های دیگر برتر بود.(ژانگ و همکاران، 2018) یک مدل ARIMA-GARCH پیشرفته را بر اساس اطلاعات دیفرانسیل پیشنهاد کردند (ژانگ و ژانگ، 2016). با افزودن اطلاعات تقریبی دیفرانسیل تاخیر متغیر وابسته و در نظر گرفتن اطلاعات روند تغییر قیمت سهام، توانایی پیش بینی جهت تغییر قیمت بهبود می یابد.

با توسعه فناوری یادگیری ماشین، بسیاری از محققان سعی می کنند به جای مدل های پیش بینی سنتی، مشکل را با فناوری نوظهور جدید حل کنند تا قیمت سهام را با دقت بیشتری پیش بینی کنند. Maknickash و Maknickiene از یک شبکه عصبی بازگشتی (RNN) برای ساخت یک مدل پیش بینی قیمت سهام استفاده کردند و انتخاب پارامترهای RNN، مانند تعداد نورون ها و تعداد تکرارها را بهینه کردند (Maknickas and Maknickiene, 2019). نلسون و همکاران(2017) از مدل LSTM و چند شاخص تحلیل سهام برای پیش بینی افزایش و کاهش قیمت سهام در آینده استفاده کرد (نلسون و همکاران، 2017). نتایج نشان داد که عملکرد LSTM بهتر از مدل سنتی یادگیری ماشین و مدل سری غیرزمانی بود. پنگ و همکاران، 2019 عمدتاً بر روی روش پیش پردازش داده های سری زمانی مالی، از جمله درون یابی، نویز زدایی موجک و نرمال سازی روی داده ها تمرکز کرد و ترکیبات پارامترهای مختلف مدل LSTM را امتحان کرد (پنگ و همکاران، 2019). آن ها دریافتند که مدل بهینه شده پیچیدگی محاسباتی پایینی دارد و دقت پیش بینی را به طور قابل توجهی بهبود می بخشد. وو و همکاراناثرات LSTM، LSTM دو جهته (Bi-LSTM) و واحد بازگشتی دردار را بر پیش بینی قیمت سهام مقایسه کردند. آنها دریافتند که مدل Bi-LSTM داده ها را یک بار دیگر به عقب می خواند که به بهبود دقت پیش بینی کمک کرد، به ویژه در پیش بینی داده های متوالی مانند سری های زمانی مالی (Vo et al., 2019).

علاوه بر این ، ادبیات موجود همچنین مدل های اقتصادی آماری را با مدل های یادگیری ماشین ترکیب می کند یا از بیش از دو نوع مدل یادگیری ماشین به طور هم زمان برای پیش بینی قیمت سهام استفاده می کند. در مقایسه با یک مدل واحد ، این مدل ها معمولاً عملکرد بهتری دارند. آشکار و همکاران.(2018) دو روش ترکیبی مدل متفاوت ، الگوریتم انتشار پشتی-Multi-Layer (BPA-MLP) و LSTM-RNN را در نظر گرفت. با استفاده از داده های قیمت سهام فیس بوک ، Google و داده های قیمت بیت کوین ، آنها دریافتند که مدل LSTM-RNN بهتر از BPA-MLP است (Achkar et al. ، 2018). بائو و همکاران. ابتدا باعث کاهش نویز در داده های سهام سری زمانی اصلی از طریق تبدیل موجک شده و سپس توسط مدل LSTM پیش بینی می شود (Bao et al. ، 2017). نتایج نشان داد که عملکرد مدل یکپارچه بهتر از سایر مدلهای مشابه است. M'ng و Mehralizade یک مدل پیش بینی به نام Wavelet اصلی تجزیه و تحلیل مؤلفه تجزیه و تحلیل شبکه-عصبی (WPCA-NN) را ارائه دادند ، که ترکیبی از تبدیل موجک ، PCA و شبکه عصبی مصنوعی برای کاهش نویز ، از بین بردن نویز تصادفی در دنباله قیمت سهام (M 'Ng and Mehralizadeh ، 2016). نتایج نشان داد که عملکرد WPCA-NN بهتر از روشهای پیش بینی سنتی بود. کیم تی. و کیم اچ. یک مدل LSTM-CNN را بر اساس ترکیب ویژگی ، با استفاده از سری زمانی سهام و نمودارهای روند سهام به عنوان ویژگی های ورودی پیشنهاد دادند (کیم و کیم ، 2019). نتایج نشان داد که مدل LSTM-CNN در پیش بینی قیمت سهام از مدل واحد برتر است.

به طور خلاصه ، مدل های اقتصاد سنجی و مدل های یادگیری ماشین دو روش پرکاربرد در پیش بینی قیمت سهام هستند. با این حال ، مقابله با مشکلات سری زمانی غیرخطی توسط مدلهای اقتصاد سنجی دشوار است ، در حالی که مدل های یادگیری ماشین سنتی بیشتر داده های یک دوره را به عنوان نمونه می گیرند و بسیاری از اطلاعات ضمنی را که در طول زمان در حال توسعه هستند نادیده می گیرند (Baek and Kim ، 2018). فناوری یادگیری عمیق یک فناوری جدید در حال ظهور است که می تواند به طور مؤثر داده های سری زمانی و داده های چند دوره ای را پردازش کند. در عین حال ، ترکیب چندین مدل معمولاً عملکرد بهتری نسبت به یک مدل واحد دارد و در حال تبدیل شدن به جهت اصلی در پیش بینی قیمت سهام است.

2. 2 انتخاب ویژگی مدل پیش بینی

انتخاب ویژگی ها و مهندسی ویژگی ها برای غنی سازی مجموعه داده ها و معدن اطلاعات مهم از مجموعه داده های اصلی مفید هستند ، که می تواند دقت پیش بینی را بهبود بخشد. این همچنین یک جهت تحقیقات داغ است که محققان به آن اهمیت می دهند. مطالعات قبلی ویژگی های مفید مختلفی را از مجموعه داده های اصلی برای بهبود عملکرد پیش بینی قیمت سهام ، مانند احساسات سرمایه گذاران سهام ایجاد می کند (DeLong et al. ، 1990 ؛ Shleifer and Vishny ، 1997) ، نمودارهای حرکت سهام (Quan ، 2013 ؛ Singh وSrivastava ، 2017) و رویدادهای مهم اقتصادی و سیاسی (دینگ و همکاران ، 2015 ؛ زوبیاگا ، 2018). در میان آنها ، احساسات سرمایه گذاران سهام معمولاً یکی از ویژگی های اتخاذ شده در مدل های پیش بینی قیمت سهام است.

احساسات سرمایه گذاران برای سهام و کل بورس سهام اغلب تأثیر مهمی در نوسان قیمت سهام دارد (Nassirtoussi و همکاران ، 2014). بنابراین ، مطالعات قبلی به طور معمول از فناوری پردازش زبان طبیعی (NLP) برای تجزیه و تحلیل اسناد رسانه های اجتماعی سهام و به دست آوردن احساسات سرمایه گذاران استفاده می کنند ، که ویژگی های مهم جدیدی را برای مدل های پیش بینی قیمت سهام فراهم می کند. شوماکر و چن روش جدیدی را به نام طرح مناسب اسم ارائه دادند که اسمهای مهم را نشان می داد (شوماکر و چن ، 2009). آنها اسم ها را به هفت نوع ، از جمله تاریخ ، مکان ، پول ، سازمان ، درصد ، شخص و زمان طبقه بندی کردند. نتایج نشان داد که طرح اسم مناسب بهتر از کلمه کیف و به رسمیت شناختن موجودیت است. Kraus و Feuerriegel متن مالی را که در روز تجارت توسط شرکت ها فاش شده و از مدل سازی دنباله برای مقابله با افشای شرکت استفاده کردند ، جمع آوری کردند (Kraus and Feuerriegel ، 2017). سپس ، آنها مدل های RNN و LSTM را برای پیش بینی قیمت سهام ترکیب کردند. نتایج نشان داد که معرفی متن مالی می تواند به طور مؤثر دقت پیش بینی را بهبود بخشد. ژو و همکاران. از مدل Word-of Bag برای استخراج پنج ویژگی عاطفی سرمایه گذاران بورس سهام مانند انزجار ، شادی ، غم و ترس و ترس استفاده کرد (ژو و همکاران ، 2018). آنها دریافتند که نتایج مدل K-Mean به طور قابل توجهی بهتر از مدل های پایه است ، از جمله نمونه ای که سری زمانی کاملاً مالی را به عنوان ویژگی های ورودی می گیرد. LDA یکی دیگر از تکنیک های کمتر مورد استفاده اما جالب در پیش بینی قیمت سهام است. جین و همکاران. LDA مورد استفاده برای استخراج مباحث از متن و مباحث نماینده به عنوان ویژگی های ورودی مدل پیش بینی پذیرفته شد ، که به بهبود دقت پیش بینی کمک می کند (جین و همکاران ، 2013).

کاهش ابعاد ویژگی نیز یکی از مهم ترین جهت های تحقیقاتی استخراج ویژگی است. زی و همکارانبرای بهبود الگوریتم PCA، یک مدل کاهش بعد دوگانه از اطلاعات مشترک را پیشنهاد کرد. این مدل ابتدا از اطلاعات متقابل برای غربالگری اولیه تعداد زیادی از ویژگی ها استفاده کرد و سپس تعداد عناصر اصلی PCA را برای کاهش بعد ثانویه بر اساس ضریب همبستگی پیچیده و نرخ مشارکت واریانس تجمعی تعیین کرد (Xie et al., 2020). نتایج پیش بینی نشان داد که روش بهبودیافته بهتر از مدل سنتی کاهش ویژگی بود. هاگناو و همکارانسعی در استفاده از ویژگی های گویاتری برای نمایش متن داشت. آنها از فرهنگ لغت برای استخراج ریشه های کلمات انگلیسی استفاده کردند و سپس از مجذور کای و جداسازی دو نرمال برای محاسبه قدرت تفسیری ویژگی ها استفاده کردند و فقط آن ویژگی هایی را با قدرت تفسیری قوی حفظ کردند (هاگناو و همکاران، 2013). نتایج نشان داد که روش کاهش ابعاد ویژگی می تواند به طور قابل توجهی دقت پیش بینی را بهبود بخشد و مشکل اضافه برازش را در مدل های یادگیری ماشین کاهش دهد. هوانگ و همکاراناسامی، افعال و عبارات مرکب را از متن استخراج کرده و سپس بر اساس اصطلاحنامه، تبدیل مترادف های هر کلمه را برای دستیابی به هدف کاهش ابعاد انجام داد (هوانگ و همکاران، 2010).

به طور خلاصه، تحقیقات موجود عمدتاً از روش های سنتی استخراج ویژگی متن (مانند کلمه به کیف، شناسایی موجودیت نام گذاری شده و LDA) برای افزودن ویژگی های متنی جدید برای پیش بینی قیمت سهام استفاده می کنند. اگرچه ویژگی های استخراج شده توسط این روش ها می تواند تا حدودی نشان دهنده احساسات سرمایه گذاران باشد، این ویژگی های استخراج شده معمولاً نمی توانند اطلاعات معنایی، زمینه و سایر اطلاعات را در رسانه های اجتماعی مستند کنند (ناسیرتوسی و همکاران، 2014). فناوری یادگیری عمیق می تواند اطلاعات معنایی را حفظ کند و اطلاعات مؤثر را از اسناد اصلی بهتر استخراج کند. بنابراین، این مقاله از فناوری یادگیری عمیق برای استخراج ویژگی های متن و دستیابی به پیش بینی دقیق تر قیمت استفاده می کند.

3. روش جدید پیش بینی قیمت سهام

انتخاب ویژگی ها برای مدل پیش بینی؛

آموزش بردار ویژگی متن توسط Doc2Vec و کاهش ابعاد بردار ویژگی متن توسط SAE.