پیش بینی قیمت سهام بازار بورس با استفاده از یادگیری عمیق و الگوریتم بهینه سازی غذایابی باکتری

پیش بینی دقیق بازارهای مهم مالی از جمله بورس، همواره به عنوان یک چالش جدی مطرح بوده است. پیشرفت تکنولوژی موجب شده که پژوهشگران به سراغ روشهای نوین برای پیش بینی بروند. شبکه های عصبی بازگشتی به عنوان زیر مجموعه ای از یادگیری عمیق، یکی از مهمترین این روشهاست. این شبکه ها ضمن استخراج خودکار ویژگیها، در به یادسپاری داده های وابسته به خوبی عمل می کنند. شبکه عصبی با حافظه کوتاه مدت بلند دو طرفه (bilstm) نوعی از شبکه عصبی بازگشتی است که ضمن داشتن حافظه، با دو بار پیمایش داده ها، در به یادسپاری داده های با وابسته طولانی و احصاء ویژگیها، نسبت به روشهای مشابه، بهتر عمل می کند که همین موضوع، موجب شده تا در این پژوهش نیز مورد استفاده قرار گیرد. جهت انتخاب مقدار بهینه ابرپارامترهای شبکه عصبی مذکور، از الگوریتم غذایابی باکتری بهبود یافته استفاده شده است. ضمن اینکه، از داده های مربوط به چهار سهم از بازار بورس اوراق بهادار تهران برای آموزش و تست شبکه عصبی بهره برده شده است. ارزیابی روش پیشنهادی نشان از بهبود دقت پیش بینی توسط روش پیشنهادی دارد.