Table of Contents
شبکه های عصبی به طور گسترده ای در پیش بینی مالی برای تجزیه و تحلیل الگوهای داده پیچیده و پیش بینی ها استفاده می شوند.آنها در شناسایی روند، ارزیابی خطرات و تصمیم گیری های سرمایه گذاری کمک می کنند.این مقاله برنامه های دنیای واقعی، نمونه های موردی و محاسبات اساسی درگیر در استفاده از شبکه های عصبی برای پیش بینی مالی را بررسی می کند.
برنامه های کاربردی در پیش بینی بازار سهام
شبکه های عصبی برای پیش بینی قیمت سهام با تجزیه و تحلیل داده های تاریخی، شاخص های بازار و احساسات خبری استخدام می شوند، آنها می توانند مجموعه داده های بزرگ را پردازش کنند تا الگوهایی را شناسایی کنند که از طریق روش های سنتی مشخص نیستند، به عنوان مثال، یک مدل شبکه عصبی ممکن است قیمت سهام روز بعد را بر اساس قیمت ها و داده های حجم گذشته پیش بینی کند.
ارزیابی ریسک اعتباری
موسسات مالی از شبکه های عصبی برای ارزیابی اعتبار وام گیرندگان استفاده می کنند.با تجزیه و تحلیل متغیرهایی مانند درآمد، سابقه اشتغال و بدهی موجود، شبکه های عصبی متقاضیان را به دسته های ریسک طبقه بندی می کنند، این امر دقت امتیاز اعتباری را در مقایسه با مدل های آماری سنتی بهبود می بخشد.
نمونه: پیش بینی پیش بینی پیش بینی وام
یک بانک یک شبکه عصبی را برای پیش بینی پیش فرض وام اجرا کرد.این مدل از ویژگی هایی مانند وام، امتیاز اعتباری وام گیرندگان و تاریخ بازپرداخت استفاده کرد.پس از آموزش، شبکه عصبی با دقت 85 درصد در شناسایی پیش فرض های بالقوه، کاهش زیان های مالی به دست آورد.
محاسبه پایه: شبکه عصبی
فرض کنید که شبکه عصبی دارای ویژگی های ورودی x [FLT1] و x است وزنها هستند و = 0.5، [2] [F=] =0.3 [0] و خروجی (b = 0) است.
- (در این میان، آیه ی ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى ى
- تابع فعال سازی (به عنوان مثال، sigmoid): y = 1 / (1 + e ]
این محاسبه ساده نشان می دهد که چگونه شبکه های عصبی داده های ورودی را پردازش می کنند تا پیش بینی هایی را در کارهای پیش بینی مالی ایجاد کنند.