ناقشت كلية تكنولوجيا المعلومات رسالة الماجستير الموسومة:
" التنبؤ بالبورصة بالاعتماد على الشبكات العصبية ذات التعلم العميق للشؤون المالية "
للباحث ((امير الحق عادل صاحب الشمري)) بأشراف الاستاذ المساعد الدكتورة ايمان صالح الشمري
وتكونت اللجنة من الاستاذ المساعد الدكتور لؤي ادورد رئيسا وعضوية كل من الدكتورة علياء كريم والدكتورة وفاء محمد
واوضح الباحث امير الحق الشمري الى ان التنبؤ بالبورصة هو من المواضيع المالية المهمة التي جذبت انتباه الباحثين في السنوات الاخيرة , وان بيانات البورصة غير خطية وديناميكية وغير ثابتة وصاخبة في السلوك وكذلك صعبة للغاية , والهدف من الرسالة هو التنبؤ بسعر السهم او اتخاذ قرار في (البيع او الشراء او الانتظار)
يتكون النظام المقترح من ثلاث مراحل رئيسية: المرحلة الأولى هي المعالجة المسبقة للبيانات وتركز على تهيئة البيانات لمرحلة التنقيب. تتضمن هذه المرحلة استخراج الخصائص القياسية وتحويل الخصائص الاسمية إلى رقمية ومعالجة البيانات المفقودة. هذه الخطوات تجعل بيانات البورصة أكثر ملائمة لتقنية التنبؤ.
تتضمن المرحلة الثانية بناء نموذجين للتنبؤ بشكل مستقل، النموذج الأول: نموذج التنبؤ بالانحدار للشبكات العصبية المالية ذات التعلم العميق (FDLNN-RP)، الذي يستخدم لتنبؤ الأسعار. في حين أن النموذج الثاني هو نموذج التنبؤ بالمصنف للشبكات العصبية المالية ذات التعلم العميق (FDLNN-CP)، والذي يستخدم لاتخاذ القرار. ويتكون النموذج FDLNN-RP من ثلاث طبقات (طبقة توليد المؤشرات التقنية وطبقة التقييس للانحدار وطبقة التنبؤ بالانحدار)، في حين أن النموذج FDLNN-CP يتكون من أربع طبقات (طبقة توليد المؤشرات التقنية وطبقة اختيار الخصائص وطبقة التقييس للمصنف وطبقة التنبؤ بالمصنف).
اٌنجز التقييم في المرحلة الثالثة اعتمادا على مجموعة من مقاييس الخطأ المعتمدة للتنبؤ مع عشرة دورات من التحقق المتقاطع. تم تقييم النموذج FDLNN-RP باستخدام مقاييس معدل الخطأ المطلق (MAE) وجذر مربعات معدل الخطأ (RMSE). في المقابل تم استخدم معاملات مصفوفة الفوضى: Accuracy و Precision و Recall و مقياس F1 و Specificity لتقييم النموذج FDLNN-CP.
وقد تم تطبيق النظام على ثلاث بورصات عالمية (Dow و S&P500 و NASDAQ) وايضا تم تطبيقه على بورصة محلية واحد خاصة بمصرف بغداد بعد ان تم بناءها وهيكلتها.
" التنبؤ بالبورصة بالاعتماد على الشبكات العصبية ذات التعلم العميق للشؤون المالية "
للباحث ((امير الحق عادل صاحب الشمري)) بأشراف الاستاذ المساعد الدكتورة ايمان صالح الشمري
وتكونت اللجنة من الاستاذ المساعد الدكتور لؤي ادورد رئيسا وعضوية كل من الدكتورة علياء كريم والدكتورة وفاء محمد
واوضح الباحث امير الحق الشمري الى ان التنبؤ بالبورصة هو من المواضيع المالية المهمة التي جذبت انتباه الباحثين في السنوات الاخيرة , وان بيانات البورصة غير خطية وديناميكية وغير ثابتة وصاخبة في السلوك وكذلك صعبة للغاية , والهدف من الرسالة هو التنبؤ بسعر السهم او اتخاذ قرار في (البيع او الشراء او الانتظار)
يتكون النظام المقترح من ثلاث مراحل رئيسية: المرحلة الأولى هي المعالجة المسبقة للبيانات وتركز على تهيئة البيانات لمرحلة التنقيب. تتضمن هذه المرحلة استخراج الخصائص القياسية وتحويل الخصائص الاسمية إلى رقمية ومعالجة البيانات المفقودة. هذه الخطوات تجعل بيانات البورصة أكثر ملائمة لتقنية التنبؤ.
تتضمن المرحلة الثانية بناء نموذجين للتنبؤ بشكل مستقل، النموذج الأول: نموذج التنبؤ بالانحدار للشبكات العصبية المالية ذات التعلم العميق (FDLNN-RP)، الذي يستخدم لتنبؤ الأسعار. في حين أن النموذج الثاني هو نموذج التنبؤ بالمصنف للشبكات العصبية المالية ذات التعلم العميق (FDLNN-CP)، والذي يستخدم لاتخاذ القرار. ويتكون النموذج FDLNN-RP من ثلاث طبقات (طبقة توليد المؤشرات التقنية وطبقة التقييس للانحدار وطبقة التنبؤ بالانحدار)، في حين أن النموذج FDLNN-CP يتكون من أربع طبقات (طبقة توليد المؤشرات التقنية وطبقة اختيار الخصائص وطبقة التقييس للمصنف وطبقة التنبؤ بالمصنف).
اٌنجز التقييم في المرحلة الثالثة اعتمادا على مجموعة من مقاييس الخطأ المعتمدة للتنبؤ مع عشرة دورات من التحقق المتقاطع. تم تقييم النموذج FDLNN-RP باستخدام مقاييس معدل الخطأ المطلق (MAE) وجذر مربعات معدل الخطأ (RMSE). في المقابل تم استخدم معاملات مصفوفة الفوضى: Accuracy و Precision و Recall و مقياس F1 و Specificity لتقييم النموذج FDLNN-CP.
وقد تم تطبيق النظام على ثلاث بورصات عالمية (Dow و S&P500 و NASDAQ) وايضا تم تطبيقه على بورصة محلية واحد خاصة بمصرف بغداد بعد ان تم بناءها وهيكلتها.
