|
|
یازدهمین کنفرانس بین‌المللی مهندسی صنایع
|
|
|
| عنوان فارسی |
پیش بینی سهام با استفاده از الگوریتم بردار ماشین (SVM) با روش NLP با استفاده ازوب کاوی |
|
| چکیده فارسی مقاله |
در این پایان نامه، الگوریتم های یادگیری ماشینی مورد استفاده در روش NLP به منظور دستیابی به مقصود اظهارنظرهای عمومی در مورد سهام های شرکتها در رسانه های اجتماعی مورد تحلیل قرار گرفته اند تا ارتباط آنها با تغییرات قیمت سهام مشخص شود. رویکرد NLP جهت شناسایی نیت ها از بیان اظهار نظرها یک رویکرد دو مرحله ای است که در مرحله اول خنثی یا جهت دار بودن اظهارنظر را تشخیص می دهد و در مرحله دوم مثبت یا منفی بودن آن را شناسایی می نماید و ثابت شده است که الگوریتمهای SVM از جمله بهترین ابزار طبقه بندی برای مقاصد مذکور با نرخ دقت به ترتیب 71٫84 و 74 / 3 هستند. مشخص شده است که فعالیت کاربران در استوک توئیت ها در طول شب دارای ارتباط مستقیم و قابل توجهی با حجم معاملات سهام روز کاری بعد دارد . اظهارنظرهای اجتماعی دارای قدرت بالایی برای پیش بینی و تغییر قیمت سهام در روز بعد در 9 عدد از 15 عدد سهام مطالعه شده توسط روش علی گرانگر بوده اند و نرخ دقت مجموع پیش بینی تغییرات رو به بالا و پائین سهامها با استفاده از این روش برابر با 58/9 بوده است |
|
| کلیدواژه‌های فارسی مقاله |
داده کاوی، وب کاوی، الگوریتم های یادگیری ماشینی، روش NLP استوک توئیت ها، توئیتر |
|
| عنوان انگلیسی |
Using algorithms to predict stock vector machines (SVM) with NLP method using web mining |
|
| چکیده انگلیسی مقاله |
In this thesis, machine learning algorithms are used in NLP to get the public sentiment on individual stocks from social media in order to study its relationship with the stock price change. The NLP approach of sentiment detection is a two-stage process by implementing Neutral v.s. Polarized sentiment detection before Positive v.s. Negative sentiment detection, and SVMs are proved to be the best classifiers with the overall accuracy rates of 71.84% and 74.3%, respectively. It is discovered that users’ activity on StockTwits overnight significantly positively correlates to the stock trading volume the next business day. The collective sentiments for afterhours have powerful prediction on the change of stock price for the next day in 9 out of 15 stocks studied by using the Granger Causality test; and the overall accuracy rate of predicting the up and down movement of stocks by using the collective sentiments is 58.9%. |
|
| کلیدواژه‌های انگلیسی مقاله |
Data mining, Web mining, Algorithm SVM, Method NLP, Stocktwits, Twitter. |
|
| نویسندگان مقاله |
بهزاد عزیزپور | Behzad Azizpour
دانشگاه آزاد اسلامی واحد گرمی
محمدعلی بالافر | Mohammad Ali Balafar
دانشگاه تبریز
|
|
| نشانی اینترنتی |
iiec2015.org |
| فایل مقاله |
دریافت فایل مقاله |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
دوره مرتبط |
کنفرانس مرتبط |
فهرست کنفرانس ها
|
