| پیش بینی سهام بر پایه یادگیری عمیق و مدل زبانی FinBERT |
| کد مقاله : 1041-FEMATH8 |
| نویسندگان |
|
محمد غلامی *1، مهدیه طهماسبی2 1دانشجوی فارغ التحصیل دانشگاه تربیت مدرس 2هیات علمی دانشگاه تربیت مدرس |
| چکیده مقاله |
| هدف از این پژوهش، ارائه روشی نوین برای بهبود دقت پیش‌بینی سهام با بهره‌گیری از داده‌های متنی شامل اخبار اقتصادی و رویدادهای مهم بازار است. به این منظور، از مدل‌های BERT و FinBERT برای پیش‌بینی جهت بازار و تحلیل نوسانات بازار استفاده شده است. مدل BERT با استفاده از تکنیک‌های پردازش زبان طبیعی، قابلیت درک متون را بهبود می‌بخشد و FinBERT، که مخصوص تحلیل‌های مالی طراحی شده است، دقت بیشتری در تحلیل احساسات و نگرش‌ها نسبت به بازار دارد. نتایج تحقیق نشان می‌دهد که این مدل‌ها می‌توانند پیش‌بینی‌های دقیق‌تری ارائه دهند وتشخیص مناسبی در پیش بینی جهت بازار داشته باشند و عملکرد بهتری در تشخیص احساسات و تحلیل نگرش‌های مالی دارند. به‌خصوص زمانی که اخبار مرتبط با تغییرات بازار به‌درستی تفسیر می‌شدند. در مدل FinBERT سه حالته (تبدیل داده های متنی به سه حالت مثبت، منفی و بدون تاثیر) داده های متنی را بر اساس تاثیر گذاری بر روی بازار به سه حالت تقسیم کرده ایم و در این مدل نیز به نتایج قابل توجهی دست یافتیم که با بهبود کیفیت داده های متنی می توان نتایج به مراتب بهتری را کسب کرد. |
| کلیدواژه ها |
| پیش بینی سهام، مدل FinBERT، پردازش زبان طبیعی، BERT، تحلیل احساسات، تحلیل نوسانات بازار |
| وضعیت: پذیرفته شده برای ارائه شفاهی |
