مقاله هشدار بحران: پیش بینی وقایع بحران بازار سهام با استفاده از روشهای یادگیری ماشین

چکیده

Historically, the economic recession often came abruptly and disastrously. For instance, during the 2008 financial crisis, the SP 500 fell 46 percent from October 2007 to March 2009. If we could detect the signals of the crisis earlier, we could have taken preventive measures. Therefore, driven by such motivation, we use advanced machine learning techniques, including Random Forest and Extreme Gradient Boosting, to predict any potential market crashes mainly in the US market. Also, we would like to compare the performance of these methods and examine which model is better for forecasting US stock market crashes. We apply our models on the daily financial market data, which tend to be more responsive with higher reporting frequencies. We consider 75 explanatory variables, including general US stock market indexes, SP 500 sector indexes, as well as market indicators that can be used for the purpose of crisis prediction. Finally, we conclude, with selected classification metrics, that the Extreme Gradient Boosting method performs the best in predicting US stock market crisis events.

چکیده به فارسی (ترجمه ماشینی)

از نظر تاریخی ، رکود اقتصادی اغلب به طور ناگهانی و فاجعه بار می آمد.به عنوان مثال ، در طول بحران مالی سال 2008 ، SP 500 از اکتبر 2007 تا مارس 2009 46 درصد کاهش یافت. اگر می توانستیم سیگنال های بحران را زودتر تشخیص دهیم ، می توانستیم اقدامات پیشگیرانه ای انجام دهیم.بنابراین ، با چنین انگیزه ای هدایت می شود ، ما از تکنیک های پیشرفته یادگیری ماشین ، از جمله جنگل تصادفی و تقویت شیب شدید ، برای پیش بینی هرگونه تصادف بالقوه بازار عمدتاً در بازار ایالات متحده استفاده می کنیم.همچنین ، ما می خواهیم عملکرد این روش ها را مقایسه کنیم و بررسی کنیم که کدام مدل برای پیش بینی تصادفات بازار سهام ایالات متحده بهتر است.ما مدل های خود را بر روی داده های روزانه بازار مالی اعمال می کنیم ، که تمایل به پاسخگویی بیشتر با فرکانس های گزارشگری بالاتر دارند.ما 75 متغیر توضیحی ، از جمله شاخص های عمومی بازار سهام ایالات متحده ، شاخص های بخش SP 500 و همچنین شاخص های بازار را در نظر می گیریم که می توانند برای پیش بینی بحران مورد استفاده قرار گیرند.سرانجام ، با معیارهای طبقه بندی انتخاب شده نتیجه می گیریم که روش تقویت شیب شدید بهترین عملکرد را در پیش بینی وقایع بحران بازار سهام ایالات متحده انجام می دهد.