ترکیب هوش جمعی و تحلیل تکنیکی برای پیش‌بینی بازار مالی با استفاده از روش زیر فضای تصادفی عمیق

بسیاری از محققان و دست اندرکاران تلاش کرده‌اند تا با استفاده از منابع اطلاعاتی چندگانه از جمله رسانه‌های اجتماعی، رونده‌ای بازار مالی را برای بازده‌های اضافی پیش‌بینی کنند. مطالعات اخیر رابطه بین احساسات عمومی و حرکت قیمت سهام را بررسی کرده‌اند و نشان داده‌اند که تصمیمات سرمایه‌گذاری تحت‌تاثیر افکار عمومی هستند. در این مقاله، ما یک چارچوب جدید طراحی می‌کنیم که هوش جمعی و تحلیل فنی را برای پیش‌بینی بازار مالی با استفاده از یک استراتژی ترکیب جدید ترکیب می‌کند. یک تکنیک یادگیری ماشینی به نام ترکیب زیر فضای تصادفی عمیق که الگوریتم های یادگیری عمیق و روش‌های یادگیری گروهی را ادغام می‌کند، با توجه به ویژگی‌های کار پیش‌بینی پیشنهاد شده‌است. براساس مجموعه داده‌های دنیای واقعی جمع‌آوری‌شده، نتایج تجربی نشان می‌دهند که روش پیشنهادی ما بهتر از مدل‌های پایه در پیش‌بینی بازار سهام از نظر ارزش AUC حداقل ۱۴.۲ % عمل می‌کند، که نشان‌دهنده تاثیر DSE به عنوان یک مکانیزم مناسب برای پیش‌بینی بازار مالی است.

Many researchers and practitioners have attempted to predict financial market trends for excess returns using multiple information sources including social media. Recent studies have investigated the relation between public sentiment and stock price movements and demonstrated that investment decisions are affected by public opinion. In this paper, we design a novel framework that combines the wisdom of crowds and technical analysis for financial market prediction using a new fusion strategy. A machine learning technique called deep random subspace ensembles (DRSE), which integrates deep learning algorithms and ensemble learning methods, is proposed according to the characteristics of the prediction task. Based on collected real-world datasets, the experimental results show that our proposed method outperforms the baseline models in predicting stock market by at least 14.2% in terms of AUC value, indicating the efficacy of DRSE as a viable mechanism for financial market prediction.