Sharif Digital Repository / Sharif University of Technology
    • [Zoom In]
    • [Zoom Out]
  • Page 
    		 of  0
  • [Previous Page]
  • [Next Page]
  • [Fullscreen view]
  • [Close]
 
پیش بینی بازارهای مالی با استفاده از ترکیب هوش مصنوعی و تحلیل تکنیکال
بدخشان، علی

Cataloging brief

پیش بینی بازارهای مالی با استفاده از ترکیب هوش مصنوعی و تحلیل تکنیکال
پدیدآور اصلی :   بدخشان، علی
ناشر :   صنعتی شریف
سال انتشار  :   1401
موضوع ها :   هوش مصنوعی Artificial Intelligence یادگیری ماشینی Machine Learning تحلیل فنی Technical...
شماره راهنما :   ‭01-55842

Find in content

sort by

Bookmark

  • مقدمه (11)
    • تعریف مسئله (11)
    • ادبیات موضوع (12)
    • اهداف تحقیق (13)
    • ساختار پایان‌نامه (13)
  • مفاهیم اولیه (14)
    • مدل های استفاده شده (14)
      • مدل طبقه بندی افزایش گرادیان فوق العاده (15)
      • مدل جنگل تصادفی (17)
      • ماشین بردار پشتیبان (17)
      • مدل ویژگی های زیر مجموعه داده های جدولی (19)
      • مدل یادگیری با توجه جدولی تفسیرپذیر (21)
    • معیار ارزیابی (24)
    • روش تعیین هایپرپارامترها (25)
      • استراتژی های نمونه برداری (25)
      • استراتژی دو نیم شدن (26)
  • کارهای پیشین (27)
    • تحلیل معامله و سرمایه گذاری (27)
      • فرضیه بازار کارآمد در مقابل فرضیه بازار تطبیقی (28)
      • تحلیل تکنیکال (29)
      • تحلیل بنیادی (30)
      • تحلیل فنی در برابر تحلیل بنیادی (32)
    • استفاده از روش های یادگیری ماشین در پیش‌بینی قیمت سهام (33)
      • ورودی های نمونه (34)
      • پیش پردازش داده و انتخاب ویژگی (37)
      • روش یادگیری ماشین و آرایش مدل (38)
      • روش های ارزیابی (43)
      • قابلیت کاربرد در دنیای واقعی (43)
      • افق های پیش‌بینی (43)
      • نوسان در قیمت سهام معرفی شده توسط عوامل خارجی (44)
    • نتیجه گیری (45)
  • نتایج جدید (46)
    • روش پیشنهادی (46)
      • پیش پردازش داده ها (47)
    • رویکرد برچسب گذاری (48)
      • منطق روش برچسب گذاری (48)
    • ازمایش ها (50)
      • مجموعه داده (50)
      • روش شناسی (51)
      • حساسیت هایپرپارامترها (52)
      • ویژگی های استخراج شده (54)
      • بازنمایی مدل subtab (55)
    • بازنمایی ویژگی های مهم مدل tabnet (56)
      • نتایج مدل های طبقه یندی (57)
      • نتایج نهایی تمامی مدل ها روی داده های مختلف (64)
      • بررسی اهمیت هرکدام از قسمت های چهارچوب (64)
      • بررسی مدل روی داده های سهام شرکت هایی خارج از داده های اموزش (65)
  • نتیجه‌گیری (70)
    • پیشنهاد های اینده (71)
  • مراجع (71)
Loading...