پیش‌بینی حرکت شاخص قیمت سهام و سهام با استفاده از تکنیک‌های آماده‌سازی داده های تعیین کننده و تکنیک‌های یادگیری ماشین

این مقاله به مساله پیش‌بینی جهت حرکت سهام و شاخص قیمت سهام برای بازارهای بورس هند می‌پردازد. این مطالعه چهار مدل پیش‌بینی، شبکه عصبی مصنوعی (‏ANN)‏، شبکه پشتیبانی (‏ANN)‏، جنگل تصادفی و بیز ساده را با دو رویکرد برای ورودی به این مدل‌ها مقایسه می‌کند. اولین رویکرد برای داده‌های ورودی شامل محاسبه ده پارامتر فنی با استفاده از داده تجاری (‏باز، بالا، پایین و قیمت‌های نزدیک)‏است، در حالی که رویکرد دوم بر روی نشان دادن این پارامترهای فنی به عنوان داده‌های قطعی گرایش دارد. دقت هر کدام از مدل‌های پیش‌بینی برای هر کدام از دو رویکرد ورودی ارزیابی شده‌است. ارزیابی در ۱۰ سال داده‌های تاریخی از سال ۲۰۰۳ تا ۲۰۱۲ از دو بورس به نام‌های صنایع Reliance و شرکت Infosys محدود انجام شده‌است. و دو شاخص قیمت سهام CNX و بورس اوراق بهادار بمبئی (‏BSE)‏Sensex. نتایج تجربی نشان می‌دهد که برای اولین رویکرد داده‌های ورودی که در آن ده پارامتر فنی به عنوان مقادیر پیوسته نمایش داده می‌شوند، جنگل تصادفی عملکرد کلی سه مدل پیش‌بینی را دارد. نتایج تجربی همچنین نشان می‌دهند که عملکرد همه مدل‌های پیش‌بینی زمانی بهبود می‌یاب

This paper addresses problem of predicting direction of movement of stock and stock price index for Indian stock markets. The study compares four prediction models, Artificial Neural Network (ANN), Support Vector Machine (SVM), random forest and naive-Bayes with two approaches for input to these models. The first approach for input data involves computation of ten technical parameters using stock trading data (open, high, low close prices) while the second approach focuses on representing these technical parameters as trend deterministic data. Accuracy of each of the prediction models for each of the two input approaches is evaluated. Evaluation is carried out on 10   years of historical data from 2003 to 2012 of two stocks namely Reliance Industries and Infosys Ltd. and two stock price indices CNX Nifty and S P Bombay Stock Exchange (BSE) Sensex. The experimental results suggest that for the first approach of input data where ten technical parameters are represented as continuous v