| استفاده از روش‌های یادگیری ماشین جهت پیش‌بینی نوسانات نرخ ارز در متون خبری اقتصادی فارسی |
| کد مقاله : 1058-AISCH (R1) |
| نویسندگان |
|
فروغ نصراله‌پور1، محمد بحرانی *2، محمود بی‌جن‌خان3 1دانشگاه تهران، تهران، ایران 2گروه علوم رایانه، دانشکده علوم ریاضی و رایانه، دانشگاه علامه طباطبائی 3گروه زبان‌شناسی همگانی، دانشکدۀ ادبیات و علوم انسانی، دانشگاه تهران، تهران، ایران |
| چکیده مقاله |
| امروزه با گسترش انتشار اخبار مالی و اقتصادی و دسترسی سریع و آسان به آن، سرمایه‌گذاران، دولت‌ها و تمامی افرادی که به قصد کسب سود و سرمایه وارد بازارهای مالی می‌شوند، با استفاده از اطلاعات خبری، تصمیمات هوشمندانه‌تری در خصوص نحوه‌ی استفاده از سرمایه‌ی خود می‌گیرند. از این رو در این مقاله با توجه به اهمیت نقش اخبار در تصمیم‌گیری‌های مالی افراد، با استفاده از متون خبری اقتصادی و روش‌های یادگیری ماشین به پیش‌بینی کوتاه‌مدت (روز بعد) نوسانات نرخ ارز می‌پردازیم. در روش پیشنهادی متون خبری اقتصادی به همراه نرخ ارز در یک بازه زمانی مشخص گردآوری می-شود. متون خبری با استفاده از دادگان ارزی و بر اساس نوسان نرخ ارز در روز بعد از تاریخ انتشار خبر، برچسب افزایش یا کاهش می‌گیرند. سپس متون جمع‌آوری‌شده با استفاده از روش‌های پردازش متن، مورد پیش‌پردازش قرار گرفته و بردار ویژگی tf-idf برای سبد کلمات و دوکلمه‌ای‌ها از آنها استخراج می‌شود. در مرحلۀ بعد ویژگی‌های استخراج‌شده با استفاده از ابزارهای یادگیری ماشینی، به دسته‌بندهایی مانند پرسپترون چندلایه و ماشین بردار پشتیبان آموزش داده می‌شوند. ارزیابی این مدل‌ها نشان‌دهندۀ معیار F حدوداً 68% برای پیش‌بینی نوسان نرخ ارز بر اساس متون خبری است. |
| کلیدواژه ها |
| تجزیه و تحلیل اخبار فارسی، پیش‌بینی نوسانات نرخ ارز، دسته‌بندی متون، شاخص اخبار |
| وضعیت: پذیرفته شده |