فهرست نشریات علمی دسترسی آزاد ایران

با توجه به نقش مهم بازار سهام در اقتصاد جهانی، همواره نیاز به روش‌هایی دقیق‌تر برای پیش‌بینی رفتار آن احساس می‌شود. یکی از چالش‌های اصلی در این حوزه، نحوه استفاده مؤثر از اخبار در پیش‌بینی روند بازار است. در این پژوهش، یک مکانیزم توجه سلسله‌مراتبی جدید معرفی شده که هدف آن بهبود عملکرد مدل‌های پیش‌بینی بازار سهام است. ایده اصلی این رویکرد بر این فرض استوار است که همه بخش‌های یک خبر و هم‌چنین همه اخبار منتشرشده در یک روز معاملاتی، تأثیر یکسانی در شکل‌گیری روند بازار ندارند.بر همین اساس، در این مقاله مدلی مبتنی بر شبکه توجه سلسله‌مراتبی همراه با BERT با نام HAN+BERT ارائه می‌شود که ساختار سلسله‌مراتبی اخبار را در نظر گرفته و به هر خبر متناسب با میزان اهمیت آن در پیش‌بینی بازار وزن اختصاص می‌دهد. این مدل قادر است در هر روز معاملاتی، تأثیرگذارترین اخبار را شناسایی کرده و در متن هر خبر نیز مهم‌ترین جملات و واژگان را استخراج کند. برای دستیابی به این هدف، از مکانیزم توجه درسه سطح واژه، جمله و خبر استفاده شده است.به‌کارگیری BERT به ‌عنوان روش تعبیه‌سازی واژگان باعث شده مدل بتواند معنا و زمینه‌ی مفهومی اخبار را با دقت بیشتری درک کند و در نتیجه عملکرد بهتری در پیش‌بینی روند بازار سهام ارائه دهد. نتایج آزمایش‌های انجام شده بر روی مجموعه‌ای از اخبار مالی فارسی نشان می‌دهد که مدل پیشنهادی HAN+BERT در مقایسه با روش‌های مرجع، دقت بالاتری داشته و بهبود محسوسی در پیش‌بینی تغییرات بازار ایجاد می‌کند.