Recurrent neural network and a hybrid model for prediction of stock returns

در این مقاله، یک مدل ترکیبی قوی و قوی برای پیش بینی بازده سهام پیشنهاد می کنیم. مدل پیشنهادی از دو مدل خطی تشکیل شده است: مدل متوسط ​​حرکتی خودکار، مدل صاف کردن نمایی و یک مدل غیر خطی: شبکه عصبی مکرر. داده های آموزشی برای شبکه عصبی مکرر با یک مدل رگرسیون جدید تولید می شود. شبکه عصبی مکرر پیش بینی های رضایت بخش را نسبت به مدل های خطی ارائه می دهد. با هدف بهبود دقت پیش بینی ها، مدل پیش بینی ترکیبی پیشنهاد شده پیش بینی هایی را که از این سه مدل مبتنی بر پیش بینی حاصل شده است، ادغام می کند. مدل بهینه سازی معرفی شده است که وزنهای بهینه برای مدل پیشنهاد شده را تولید می کند. مدل با استفاده از الگوریتم های ژنتیک حل می شود. نتایج در مورد صحت عملکرد پیش بینی شبکه عصبی مکرر تایید می شود. همانطور که انتظار می رود، عملکرد پیش بینی فوق العاده ای از مدل پیش بینی پیشنهاد هیبرید به دست آمده است، زیرا از شبکه عصبی مکرر جلوتر است. مدل پیشنهادی مطمئنا انتظار می رود یک رویکرد امیدوار کننده در زمینه مدل های پیش بینی مبتنی بر داده ها باشد که داده ها غیر خطی هستند، که الگوهای آنها با استفاده از مدل های سنتی دشوار است.