Loading...

Stock Market Prediction Using Deep Learning based on Social Networks Data

Shafiei Masoleh, Mohammad | 2021

421 Viewed
  1. Type of Document: M.Sc. Thesis
  2. Language: Farsi
  3. Document No: 53832 (19)
  4. University: Sharif University of Technology
  5. Department: Computer Engineering
  6. Advisor(s): Sameti, Hossein
  7. Abstract:
  8. Stock market prediction has always been a challenging task. Due to its stochastic nature, naive models cannot help solve the problem. In the past, Statistical models were used, however nowa- days with the rise of deep learning and more complex models, aggregating data, in order to pre- dict the stock price, has become feasible. Moreover, the emergence of social networks enables researchers to design models for stock prediction.Researchers used recurrent networks and word vector representations to solve this problem. However, recently newer models such as generative models based on VAEs and attention have gained interest. Newer models also don’t rely on a single data source and use multiple data sources for stock prediction.In this research, we propose a model to make the prediction using twitter's data and stock's historical price. We also try to use corporations' relations to consider their effect on each other. By utilizing transformer-based models, we improve embedding textual data, and by adding a graph neural network to our model, we consider the relation and effects of companies on each other. We test our proposed method on a standard dataset and by comparing with the baseline model, we show that our model has improved the Matthews correlation coefficient (MCC) from 0.080 to 0.115
  9. Keywords:
  10. Natural Language Processing ; Deep Learning ; Graph Neural Network ; Social Networks ; Price Forecasting ; Stock Price ; Stock Price Prediction

 Digital Object List

 Bookmark

  • 1 مقدمه
    • 1-1 تعریف و شرح مسأله
    • 1-2 اهمیت و کاربرد
    • 1-3 اهداف پژوهش
    • 1-4 چالش‌های موجود
      • 1-4-1 نبود دادگان استاندارد Akita2016Deep
      • 1-4-2 تعداد متن کم برای سهام مختلف
      • 1-4-3 واژه‌های متفاوت و متنوع
      • 1-4-4 تفاوت تأثیرگذاری متون
      • 1-4-5 تأثیرگذاری متفاوت متون برای سهام مختلف
      • 1-4-6 غیر خطی بودن رفتار سهام
    • 1-5 ساختار پایان‌نامه
  • 2 پژوهش‌های پیشین
    • 2-1 مقدمه
    • 2-2 امکان‌سنجی پیش‌بینی بازار‌ها
      • 2-2-1 بازار‌های غیر قابل پیش‌بینی
      • 2-2-2 تأثیر حال عمومی مردم بر شاخص‌های بازار‌های مالی
      • 2-2-3 بررسی همبستگی شرکت‌ها با نگرش مردم در شبکه‌های اجتماعی
    • 2-3 روش‌های مبتنی بر یادگیری ماشین برای پیش‌بینی قیمت سهام
      • 2-3-1 استفاده از مدل‌های عنوان
      • 2-3-2 آموزش استراتژی خرید و فروش
      • 2-3-3 جاسازی پاراگراف
      • 2-3-4 مدل سازی تأثیر نفوذ یک پیام در تحلیل نگرش
      • 2-3-5 استفاده از مکانیزم توجه
      • 2-3-6 استفاده از مدل مولد
  • 3 مبانی نظری
    • 3-1 مقدمه
    • 3-2 ترنسفورمرها
      • 3-2-1 توجه چند سر
      • 3-2-2 مدل جاسازی مبتنی بر ترنسفورمر
    • 3-3 شبکه‌های عصبی گراف
    • 3-4 جمع‌بندی
  • 4 روش پیشنهادی
    • 4-1 مقدمه
    • 4-2 پردازش دادگان ورودی
      • 4-2-1 جاسازی داده‌های ورودی
    • 4-3 اثر دادن ارتباط شرکت‌ها بر سهام یکدیگر
      • 4-3-1 دسته‌بندی برای بردار جاسازی شده هر سهم
    • 4-4 جمع‌بندی
  • 5 پیاده‌سازی، آزمایش‌ها و ارزیابی
    • 5-1 مقدمه
    • 5-2 دادگان آموزشی
      • 5-2-1 جمع‌آوری پیام‌های توییتر
      • 5-2-2 استفاده از داده انتشار یافته در مقاله استاک‌نت
      • 5-2-3 بدست آوردن ارتباط شرکت‌های بورسی
    • 5-3 معیار‌های ارزیابی
    • 5-4 پیاده سازی و اجرای آزمایش
      • 5-4-1 ابزار‌ها و کتابخانه‌های مورد استفاده
      • 5-4-2 سخت‌افزار و محیط اجرای آزمایش
      • 5-4-3 تنظیمات پارامتر‌های روش پیشنهادی
    • 5-5 نتایج و مقایسه با سایر مدل‌ها
    • 5-6 جمع‌بندی
  • 6 جمع‌بندی و کار‌های آتی
  • مراجع
  • واژه‌نامه فارسی به انگلیسی
  • واژه‌نامه انگلیسی به فارسی
...see more