فهرست نشریات علمی دسترسی آزاد ایران

     در پژوهش حاضر، مدلی برای پیش­بینی روند قیمت سهام برپایه­ی ماشین بردار پشتیبان وزن‌دهی‌شده توسط حجم­های روزانه معاملات، همراه با روش انتخاب ویژگی هیبرید F-SSFS ارائه می­شود. به منظور ارزیابی دقت پیش­بینی، مدل پیشنهادی با مدل ماشین بردار پشتیبان ساده همراه با انتخاب ویژگی هیبرد و نیز با روش­های انتخاب ویژگی مرسوم از جمله بهره اطلاعات[1]، عدم قطعیت متقارن[2] و انتخاب ویژگی بر پایه همبستگی[3]، از طریق انجام آزمون تی زوجی، مقایسه می­شود؛ همچنین به­عنوان مجموعه ویژگی­های اولیه که در واقع ورودی ماشین بردار پشتیبان تعدیل­یافته هستند، از شاخص­های تحلیل تکنیکال و شاخص­های آماری که برای 10 سهم محاسبه شده­اند، استفاده می­شود. نتیجه این پژوهش نشان می­دهد که عملکرد ماشین­بردار پشتیبان وزن­دهی­شده، در مورد مسئله پیش‌بینی روند قیمت سهام، به میزان قابل­توجهی بهتر از ماشین بردار پشتیبان ساده است. علاوه براین، نتایج عملیاتی نشان­می­دهد که ماشین بردار پشتیبان وزن­دهی­شده همراه با انتخاب ویژگی هیبرید پیشنهادی، بالاترین میزان دقت پیش­بینی را نسبت به سه روش انتخاب ویژگی دیگر دارد. براساس نتایج این پژوهش می­توان ادعا کرد مدل VW-SVM همراه با انتخاب ویژگی F-SSFS عملکرد بهتری در پیش­بینی قیمت سهم، نسبت به روش­های موجود دارد.2. Information Gain3. Symmetrical uncertainty4. Correlation based feature selection