Skip Navigation Links
معرفی

امروزه هوش مصنوعی در سراسر زندگی افراد بشر وارد شده است به طوریکه کمتر فعالیتی را می توان یافت که از این فن‌آوری مبری باشد. یکی از اساسی ترین کاربردهای هوش مصنوعی در پیش بینی سری‌های زمانی مانند قیمت سهام در بازار بورس است. در کشورهای توسعه یافته بالغ بر 80% حجم معاملات بازارهای مالی از طریق معاملات الگوریتمی مبتنی بر هوش مصنوعی انجام می پذیرید. رشد بازار سرمایه داخلی نیز مستلزم استفاده از فناوری اطلاعات و تکنولوژی های جدید نظیر هوش مصنوعی است.

در این مسابقه اطلاعات مربوط به اسم نماد (Ticker)، تاریخ (DTYYYYMMDD)، قیمت ابتدای روز (First)، قیمت انتهای روز (Last)، بیشترین قیمت روز (High)، کمترین قیمت روز (Low)، قیمت پایانی (Close)، و حجم معاملات (Volume) مربوط به 10 سهم برای روزهای کاری در یک بازه زمانی بیش از 7 ساله (از ابتدای سال 1390) در اختیار شرکت‌کنندگان قرار می‌گیرد. اطلاعات ارائه شده مربوط به بازه زمانی 1/1/1390 تا 16/10/1397 است و مربوط به نمادهای فولاد، همراه، خودرو، اخابر، فملی، فارس، تاپیکو، سفارس، سغرب، و خساپا می باشد. ضمنا شرکت کنندگان در صورت تمایل به دریافت اطلاعات مربوط به روزهای بیشتر می توانند از طریق مراجعه به وب سایت شرکت مدیریت فناوری بورس تهران به آدرس http://cdn.tsetmc.com/Site.aspx?ParTree=111A11 و نصب نرم افزار TseClient اقدام به دانلود داده های مورد نیاز خود کنند. در صورت دانلود داده از نرم افزار TseClient توصیه می شود برای روزهای بدون معامله، مقادیر قیمت، مساوی با قیمت روز گذشته درنظر گرفته شود و حجم نیز صفر منظور شود. هر تیم شرکت کننده بر اساس اطلاعات دریافتی می بایست الگوریتم یا الگوریتم‌هایی را طراحی نماید که قابلیت پیش بینی قیمت پایانی (Close) هر سهم را در آینده داشته باشد.

در روز مسابقات، الگوریتم های تیم ها می بایست با ورودی گرفتن اطلاعات دنباله ای مربوط به هر یک از 10 سهم، مقادیر مربوط به قیمت پایانی (Close) همان سهم را برای روز بعد پیش بینی کنند و خود برای هر سهم را در فایل متنی مجزا ذخیره کنند، به طوری که در هر خط، مقدار پیش بینی شده قیمت برای یک روز نوشته شده باشد. فرض بر این است که اولین روز داده تست، روز بعد از آخرین روز داده آموزشی است. قابل ذکر است که داده آموزشی و تست برای تمامی تیم ها یکسان خواهد بود.

ارزیابی

ارزیابی تیم ها بر اساس محاسبه خطا با معیار MSE (Mean Squared Error) بین مقادیر پیش بینی شده و مقادیر واقعی مورد انتظار انجام می شود. همچنین از تیم‌ها، مصاحبه علمی به عمل خواهد آمد.

ورودی و خروجی

 

تنها ورودی تیم ها برای این لیگ، آدرس مربوط به پوشه داده ها است. اطلاعات مربوط به هر سهم، در یک فایل مجزا با فرمت csv در اختیار تیم ها قرار داده می شود و برنامه هر تیم باید تمامی فایل های درون این پوشه را خوانده و برای آموزش مدل (های) خود از آن استفاده کند. تیم ها می توانند برای هر سهم، یک مدل مجزا را آموزش دهند. پس از آموزش مدل (ها)، هر برنامه باید پیش بینی مربوط به سهم مورد نظر را در یک فایل متنی  مجزا ارائه دهد. اگر نام فایل آموزشی به صورت PTAP1-e.csv باشد، فایل خروجی مربوطه باید به صورت PTAP1-e-pred.txt نامگذاری شود و محتوای آن مقدار قیمت پیش بینی شده مربوط به سهم مورد نظر در یک روز از روزهای تست است.

فرمت مقادیر درون هر یک از فایل های آموزشی به صورت زیر است:

 

 

برگزار کنندگان

 

حامیان معنوی

 

حامیان اصلی

Organizers

 

Educational Partners

 

Partners

previous autcup