استخراج و انتخاب ویژگی با استفاده از الگوریتم های فرا ابتکاری و موجک در بازار سهام

در بسیاری از تحقیقات مانند بازشناسی الگو، پیش بینی قیمت و ... انتخاب مجموعه ای از ویژگی های موثر اهمیت بسزایی دارد. اگر تعداد متغیرهای ورودی نامربوط زیاد باشند زمان اجرای کل فرآیند افزایش پیدا می کند و بر نتیجه نهایی اثر نامطلوب خواهد گذاشت. ازاین رو انتخاب و استخراج ویژگی معمولاً قدم اول در ساخت مدل های پیش بینی کننده قیمت است. استخراج ویژگی به منظور کشف خصیصه های جدید بر اساس داده های اولیه است و انتخاب ویژگی به معنای انتخاب زیرمجموعه ای از تمام خصیصه های متعلق به مجموعه داده های اولیه می باشد. هدف از این تحقیق ارائه مدلی است که با استخراج و انتخاب ویژگی های مطلوب نتایج پیش بینی را بهبود ببخشد. این پایان نامه در 5 فصل گردآوری شده است. فصل اول به بیان مقدمه، ضرورت و اهمیت موضوع موردبررسی، سوالات پژوهش و فرضیات آن می پردازد. در فصل دوم ابتدا اصول و مبانی نظری شامل روش آماده سازی داده ها، روش های انتخاب و استخراج ویژگی، روش های پیش بینی قیمت مانند روش بنیادی، روش فنی، روش های کلاسیک پیش بینی سری های زمانی و شبکه های عصبی ارائه خواهد شد. فصل سوم مربوط به پیشینه تحقیق و مرور ادبیات و چالش های تحقیقات آتی است. مدل پیشنهادی در فصل چهارم به صورت تفصیلی موردبحث قرارگرفته و نتایج به کارگیری آن بر روی داده های شاخص سهام بررسی خواهد شد تا ضعف و قوت های روش ارائه شده بیشتر موردبررسی قرار گیرد.فصل پنجم از یافته های این پایان نامه نتیجه گیری خواهد شد و پیشنهادهایی برای تحقیقات آتی ارائه خواهد شد