پیش‌بینی بازار فارکس با استفاده از نمودار شمعی و شبکه‌ی عصبی gru

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 قیمت 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 بازگشتی دروازه ای (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 شبکه با حافظه طولانی کوتاه مدت (long short-term memory) و پرسپترون چندلایه (multilayer perceptron) و همچنین نتایج مشابه در سایر پژوهش‌ها مشخص شد.