پیش‌ بینی روند سهام با استفاده از شاخص احساسات و svm بهبود یافته با تابع هزینه مبتنی ‌بر آنتروپی احساسات

پیش‌ بینی بازار سهام همیشه مورد توجه پژوهشگران بوده است. پیشرفت در زمینه هوش مصنوعی و الگوریتم‌های یادگیری ماشین باعث شده که بتوان از داده‌های متنی در کنار داده‌های عددی، جهت پیش‌بینی و عملکرد بهتر بازار بهره برد. در این پژوهش جهت پیش‌بینی روند شاخص بازار سهام نیویورک (nyse) از داده‌های عددی، داده‌های متنی و یک مدل یادگیری ماشین استفاده شده است. ورودی مدل اولاً داده‌های عددی و ثانیاً نتایج تحلیل احساسات از متن‌های استخراج‌شده از شبکه x است. تحلیل احساسات با یک الگوریتم خاص مبتنی بر یادگیری ماشین (fin-bert) انجام شده است. همچنین برای بهبود نتایج پیش‌بینی، در طبقه‌بند پیشنهادی (svm) دانش پیشینی که در مورد توزیع داده‌ها موجود است در تابع هزینه svm وارد شده است. این دانش از طریق محاسبه آنتروپی احساسات به دست می‌آید. نتایج آزمایش‌ها نشان می‌دهند که با در نظر گرفتن آنتروپی احساسات در تابع هزینه مدل، نتایج پیش‌بینی بهبود می‌یابد.