کتاب روش‌های داده کاوی در بورس

کتاب روش‌های داده کاوی در بورس، منبعی آموزنده برای یادگیری شیوه‌های کاوش اطلاعات در بازارهای مالی است. مهدی فسنقری، فواد بحرپیما، حمیده سادات چراغچی و علی عبداللهی، نویسنده‌های کتاب، در کنار توضیح مفهوم داده کاوی، شیوه‌ی استفاده از این رویکرد را برای تجزیه و تحلیل در بازار بورس و سهام توضیح داده‌اند. پس از مطالعه‌ی کتاب حاضر، می‌توانید به داده‌ کاویِ اطلاعات بازارهای مالی مشغول شوید.

درباره‌ی کتاب روش‌های داده کاوی در بورس

کتاب روش‌های داده کاوی در بورس، اثری سودمند برای آشنایی با روش‌های نوین کاوش اطلاعات در بازارهای سرمایه است. نویسندگان مفهوم داده کاوی را در این اثر با زبانی ساده توضیح داده‌اند. منظور از داده کاوی، اجرای مجموعه‌ای از روش‌ها با ترتیب‌هایی متفاوت برای یافتن اطلاعات خارج از دسترسی است که فقط می‌توان با تحلیل داده آن‌ها را پیدا کرد. با توجه به افزایش حجم اطلاعات ذخیره شده، استفاده از روش‌های علمی مانند داده کاوی روزبه‌روز رواج بیشتری پیدا کرده است.

نویسندگان پس از تعریف داده کاوی در این اثر، انواع شیوه‌های کاوش دیتا را توضیح داده‌اند. در این زمینه می‌توان به روش توصیفی و روش پیشگویانه اشاره کرد. در روش توصیفی، داده کاوی با هدف یافتن الگوهایی که داده‌ها را توصیف می‌کنند، انجام می‌شود. هدف از روش پیشگویانه تخصیص مقادیر جدید با استفاده از داده‌های جمع‌آوری شده‌ی قبلی است. با مطالعه‌ی این مفاهیم می‌توانید روش مناسب برای داده کاوی را انتخاب کنید و داده‌ها را به اطلاعات کاربردی تبدیل نمایید.

راهنمای تخصصی آموزش و اجرای داده کاوی در بازار سرمایه

مهدی فسنقری، فواد بحرپیما، حمیده سادات چراغچی و علی عبداللهی، در ادامه به توضیح روش‌های آماری توجه نشان داده‌اند. رگسیون و دسته‌بندی به روش بیز، به عنوان روش‌های آماری پرکاربرد برای داده کاوی شناخته می‌شود. مفاهیم خوشه‌بندی، درخت تصمیم، قوانین انجمنی، شبکه‌های عصبی و داده کاوی در بورس در ادامه‌ی کتاب آموزش داده شده است.

به گفته‌ی نویسنده‌ها، ابزارهای مختلفی برای انجام داده کاوی در بورس وجود دارد که مهم‌ترین آن‌ها، نرم‌افزار Clementine است. این نرم‌افزار، تمامی مراحل داده کاوی از آماده‌سازی اطلاعات گرفته تا ساخت و ارزیابی مدل‌های آماری را به صورت بصری و حرفه‌ای در اختیار شما قرار می‌دهد. در حین مطالعه‌ی کتاب روش‌های داده کاوی در بورس، با محیط نرم افزار Clementine و شیوه‌ی کار با آن آشنا می‌شوید. این آشنایی به شما کمک می‌کند تا داده کاوی در بورس را به صورت تخصصی و دقیق انجام دهید.

کتاب روش‌های داده کاوی در بورس را انتشارات بورس، چاپ و روانه‌ی بازار کرده است.

کتاب روش‌های داده کاوی در بورس برای شما مناسب است اگر

• دانشجوی رشته‌های مرتبط با بورس هستید و می‌خواهید با مهارت داده کاوی آشنا شوید.
• پژوهشگر، تحلیلگر یا فعال بازار سرمایه هستید و قصد آشنایی با روش‌های داده کاوی در بورس را دارید.

در بخشی از کتاب روش‌های داده کاوی در بورس می‌خوانیم

خوشه‌بندی سلسله‌مراتبی نوعی روش خوشه‌بندی است که در آن خوشه‌ها به‌صورت تودرتو شکل می‌گیرند. در روش خوشه‌بندی سلسله‌مراتبی، به خوشه‌های نهایی براساس میزان عمومی‌بودن آن‌ها ساختاری سلسله‌مراتبی‌ نسبت داده می‌شود.

خوشه‌بندی سلسله‌مراتبی با هر نمونۀ داده مانند خوشه‌ای یکه رفتار می‌کند، سپس به‌طور متوالی، خوشه‌ها را با یکدیگر ادغام می‌کند تا اینکه تمامی نمونه‌های داده‌ها به یک خوشه ادغام شوند.

خوشه‌بندی سلسله‌مراتبی را می‌توان با ساختاری سلسله‌مراتبی، مانند درخت، نمایش داد. این درخت یا ساختار سلسله‌مراتبی دندوگرام نامیده می‌شود. از ویژگی‌های مهم روش‌های سلسله‌مراتبی آن است که برای خوشه‌بندی داده‌هایی مناسب است که طبیعت سلسله‌مراتبی دارند. ویژگی دیگر آن‌ها، این است که هیچ فرضی دربارۀ تعداد خوشه‌ها در نظر نمی‌گیرد. پس از اجرای خوشه‌بندی سلسله‌مراتبی، برای به‌دست‌آوردن تعداد مشخصی خوشه باید دندوگرام حاصل را از محلی مناسب برش دهیم.

نتیجۀ این کار تعدادی دندوگرام گسسته است که هریک با یک خوشه متناظر است. به‌علاوه، گاهی خوشه‌بندی سلسله‌مراتبی خوشه‌های باکیفیت‌تری درمقایسه‌با دیگر روش‌های خوشه‌بندی به‌دست می‌دهد.

خوشه‌بندی سلسله‌مراتبی به دو دسته تقسیم می‌شود: جمع‌شونده و تقسیم‌شونده. در خوشه‌بندی سلسله‌مراتبی جمع‌شونده، ابتدا هر شیء، خوشه در نظر گرفته می‌شود و سپس، خوشه‌ها گام‌به‌گام باهم ادغام می‌شوند تا در پایان یک خوشه به‌دست آید. به‌عکس، در خوشه‌بندی سلسله‌مراتبی تقسیم‌شده، ابتدا تمام اشیا یک خوشه‌ را تشکیل می‌دهند و سپس، خوشه‌ها گام‌به‌گام تقسیم می‌شوند تاجایی‌که هر خوشه تنها شامل یک شیء باشد.