مقایسه شبکه‌های عصبی بازگشتی lstm و gru در پیش‌بینی قیمت جفت ارز طلا-دلار

یکی از چالش‌های مهم برای سرمایه‌گذاران خرد و کلان در بازارهای مالی تشخیص روند بازار و نیز قیمت های باز و بسته‌شدن آتی سهم‌های مختلف است. پیش‌بینی بازار سهام با توجه به تاثیر عواملی چون اخبار، عملکرد شرکت‌ها، عملکرد صنعت، احساسات سرمایه‌گذاران، احساسات رسانه‌های اجتماعی و عوامل اقتصادی از اهمیت ویژه‌ای برخوردار است. در سال‌های اخیر استفاده از روش‌های یادگیری ماشین و معاملات الگوریتمی در پیش‌بینی و تشخیص قیمت سهام و روند بازار و نیز معاملات سهام مورد توجه قرار گرفته است. در این مقاله با به‌کارگیری یک شبکه عصبی مصنوعی با حافظه کوتاه‌مدت طولانی(lstm) و یک شبکه عصبی بازگشتی دروازه‌ای (gru)، قیمت‌ بسته‌شدن جفت ارز طلا – دلار در نمودار شمعی بعدی پیش بینی می‌شود. همچنین دو مدل پیشنهادی روی داده‌های پنج سال اخیر جفت ارز طلا – دلار در بازه زمانی 1 دقیقه و 5 دقیقه مطالعه و مقایسه می‌شوند. مشاهده می‌شود با مدل lstm حدود 93 درصد و با مدل gru حدود 97 درصد دقت داریم.