در حوزه تحلیل سهام بورس، که از نگاه تحلیل گران علوم داده، بیشتر به پیش بینی افزایش/کاهش سهام یک شرکت شناخته می شود، ابعاد(عوامل) مختلفی میتوانند تاثیر گذار باشند. برای مثال، سابقه کاهش های متوالی یک سهم، یا افزایش های پی در پی آن(که در یک سری زمانی مورد بحث قرار میگیرند)، یا برای مثال تاثیرات قیمت نفت بر یک سهام خاص، یا تاثیرات قیمت طلا بر یک سهم خاص از یک شرکت. تمامی این موارد(به همراه بسیاری از موارد دیگر)، وجود دارند که به راحتی میتوانند سهم به سزایی در پیش بینی خرید یا فروش یک سهم داشته باشند.
به خاطر وجود عوامل مختلف و متعدد(ابعاد مختلف) در مسئله پیش بینی افزایش/کاهش سهام یک شرکت، برای حل این مسئله میتوان از الگوریتم های یادگیری ماشین و داده کاوی استفاده کرد. با استفاده از روش های مختلف پیش بینی(Regression) مانند: SVM Regression, Neural Networks, RandomForest Regression و... میتوان تغییرات سهام یک شرکت را با دقت خوبی پیش بینی کرد.
البته گفتیم که عوامل مختلفی در افزایش/کاهش یک سهم نقش دارند. برای همین تمامی این ابعاد در یک سری زمانی مشخص، بایستی به الگوریتم یادیگری ماشین داده شود تا این الگوریتم بتواند به یادگیری الگو ها(Patterns) در ابعاد مختلف این مسئله بپردازد. برای این کار، میتوان سهام یک شرکت خاص(همراه ویژگی های آن شرکت) را به همراه عوامل مختلف تاثیر گذار بر افزایش/کاهش سهام(مثلا قیمت طلا، قیمت نفت، قیمت آپارتمان و...) به صورت یک سری زمانی(یعنی در یک زمان مشخص، مثلا با وجود افزایش قیمت نفت به اندازه x و افزایش قیمت طلا به اندازه y، سهام این شرکت افزایش داشته یا کاهش) به الگوریتم یادگیرنده ماشین داد، و الگوریتم از این به بعد، میتواند با مشاهده افزایش یا کاهش عوامل موجود(مثلا قیمت نفت یا طلا یا...)، افزایش یا کاهش سهام مورد نظر را پیش بینی کند.
این الگوریتم ها و نتایج آن ها می توانند همراه با یک داشبورد مدیریتی ترکیب شوند. این ترکیب میتواند در لایه نمایش صورت بگیرید به این صورت که سهام شرکت ها و پیش بینی آن ها توسط الگوریتم را بر روی نمودار های مختلف به مدیر کسب و کار(یا کسی که میخواهد سهام بخرد یا بفروشد) نمایش دهد. با این کار ما یک سیستم پشتیبانی از تصمیم(Decision Making System) داریم که میتواند کمک یار مدیران یا کارشناسان، جهت خرید و فروش به موقع یک سهم باشد.