التنبؤ بسعر الأصول والاتجاه عبر محولات عميقة ثنائية الأبعاد وشبكات عصبية تلافيفية
| العنوان | التنبؤ بسعر الأصول والاتجاه عبر محولات عميقة ثنائية الأبعاد وشبكات عصبية تلافيفية |
|---|---|
| المؤلف | تونجر، تونا، كايا، أويغار، سيفر، إمري، ألاكام، أونور، هوشر، توغجان |
| تاريخ النشر: | 2022-11-02 |
| مكان النشر | - ايه سي ام |
| الموضوع | الاهتمام، الشبكات العصبية التلافيفية، التعلم العميق، التنبؤ بأسعار الأسهم، المحولات |
| النوع | وثيقة |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| معرف أصل المكتبة | 978-1-4503-9376-8 |
| رقم السجل | e1120373-85f5-4398-a694-e8f270ed89dc |
| موقع المكتبة | علوم الكمبيوتر |
| التاريخ | 2022-11-02 |
| نص عينة | بدأ التداول الخوارزمي القائم على الذكاء الاصطناعي مؤخرًا في جذب المزيد من الاهتمام. ومن بين التقنيات، أصبحت الأساليب القائمة على التعلم العميق مثل المحولات والشبكات العصبية التلافيفية وأساليب تضمين التصحيح شائعة جدًا داخل باحثي الرؤية الحاسوبية. في هذا البحث، المستوحى من أحدث أساليب الرؤية الحاسوبية، توصلنا إلى نهجين: DAPP (التنبؤ العميق بالأسعار القائم على الاهتمام) وDPPP (التنبؤ بالأسعار القائم على التصحيح العميق) اللذين يعتمدان على محولات الرؤية والشبكات العصبية التلافيفية القائمة على التضمين على التوالي للتنبؤ بسعر الأصول والاتجاه من بيانات الأسعار التاريخية من خلال التقاط خصائص الصورة لمجموعة بيانات السلاسل الزمنية التاريخية. قبل تطبيق البنية القائمة على الاهتمام، قمنا بتحويل مجموعة بيانات أسعار السلاسل الزمنية التاريخية إلى صور ثنائية الأبعاد باستخدام عدد مختلف من المؤشرات الفنية المختلفة. يقوم كل مؤشر بإنشاء بيانات لعدد محدد من الأيام. وهكذا نقوم ببناء صور ثنائية الأبعاد بأبعاد مختلفة. بعد ذلك، نستخدم الصور الأصلية للوديان والتلال لتسمية كل صورة على أنها تعليق أو شراء أو بيع. نجد أن نماذجنا المدربة القائمة على الاهتمام توفر في كثير من الأحيان نتائج أفضل لصناديق الاستثمار المتداولة مقارنة بالبنى التلافيفية الأساسية من حيث الدقة ومقاييس التحليل المالي خلال فترات الاختبار الأطول. |
| DOI | 10.1145/3533271.3561738 |
