کاربرد الگوریتم ژنتیک و شبکه های عصبی مصنوعی در بهبود سیاست های معاملاتی مبتنی بر تحلیل تکنیکال

پایان نامه
چکیده

یکی از حوزه های جدید در مطالعات مالی استفاده از هوش مصنوعی به منظور ایجاد سیستم های پشتیبان تصمیم است. سیستم معاملاتی سهام یکی از انواع این سیستم هاست که به منظور یاری رساندن به سرمایه گذاران در اتخاذ تصمیم های سرمایه گذاری توسعه داده شده است. عملیات معاملاتی موفق بایست در نزدیکی نقاط برگشت در روند قیمت دارایی ها صورت پذیرد. در سالهای اخیر مطالعات متعددی بر روی ایجاد سیستم هایی که برگشت روند قیمت را نشان می دهند، متمرکز شده است. تحلیل تکنیکال که تلاش می کند سیگنال های معاملاتی را ارائه کند بسیار مورد استفاده قرار گرفته و معمولا بخشی از سیستم های معاملاتی را تشکیل می دهد. تحلیل تکنیکال بر پایه ی تعداد زیادی از قواعد تکنیکال تلاش می کند سیگنال برگشت روند را در اختیار سرمایه گذاران قرار دهد. اما نقطه ضعف آن وابستگی به تجربه سرمایه گذار در تعیین قواعد تکنیکال و پارامترهای آنهاست. در حقیقت عملکرد تحلیل تکنیکال بسیار وابسته به کیفیت تعیین پارامترهای تکنیکال است. در این مطالعه سعی شده است تا سیستمی معاملاتی بر پایه ی قواعد تکنیکال ایجاد شود و عملکرد آن با کمک الگوریتم ژنتیک و شبکه عصبی مصنوعی ارتقاء داده شود. الگوریتم ژنتیک کمک می کند پارامترهای تکنیکال به خوبی تعیین شوند و زمانی که قواعد مختلف سیگنال معاملاتی را پیشنهاد دادند، با استفاده از یک شبکه elman پیشنهاد معاملاتی را با ترکیب سیگنال های قواعد مختلف در اختیار قرار می دهد. نتایج به دست آمده بر اساس نمونه ای 15 تایی از سهام بازار ایران نشان می دهد عملکرد سیستم پیشنهادی از نظر آماری تفاوت معنی داری با عملکرد سیاست معاملاتی شناخته شده خرید و نگهداری دارایی ندارد و به عبارت دیگر از پتانسیل سودآوری مشابه ای برخوردار است.

منابع مشابه

بهبود سیستم های معاملاتی مبتنی بر تحلیل تکنیکال با استفاده از هوش مصنوعی

بازار سهام تاکنون توسط محققان بسیاری مورد بررسی قرار گرفته است که بازاری نسبتا پیچیده می باشد. سرمایه گذاران برای تصمیم گیری مناسب در این بازارها از ابزار های تکنیکال زیادی استفاده می کنند. سیستم های معاملات سهام برای کمک به تصمیم گیری سرمایه گذاران حوزه نو ظهور تحقیقاتی است که پتانسیل های تجاری بسیاری دارد. معامله موفق باید در نزدیک نقاط برگشت روند قیمت صورت گیرد. تحلیلگران تکنیکال سنتی از قو...

طراحی و شبیه سازی یک الگوریتم مسیریابی در شبکه های سیّار اقتضایی مبتنی بر شبکه های عصبی مصنوعی

چکیده یکی از انواع شبکههای بی سیم که در سالهای اخیر بسیار مورد توجه قرار گرفته اند، شبکههای اقتضایی سیّار است که از تعدادی گره متحرک تشکیل شده است. متغیّر بودن موقعیت نسبی گرههای تشکیل دهنده، نیاز به الگوریتم مسیریابی چابکی دارد که بتواند تحّرک گرهها را مدیریت نموده و بستههای انتقال یافته را به طرز صحیحی به مقصد برساند به طوری که هیچ یک از دو طرف ارتباط از وجود تحّرک در گرههای شبکه مطلع نشوند. ای...

متن کامل

کاربرد شبکه عصبی مبتنی بر الگوریتم ژنتیک در پیش بینی تقاضای بلندمدت انرژی

پیش­بینی تقاضای انرژی جهت عرضه به موقع، تنظیم بازار، هدفگذاری میزان صادرات و ایجاد امنیت انرژی اهمیت ویژه­ای دارد. روش­های مختلفی برای پیش­بینی تقاضای انرژی معرفی شده است که در این بین با توجه به روند غیرخطی و پرنوسان تقاضای انرژی، تکنیک­های غیرخطی نتایج مطلوب­تری داشته است. شبکه­های عصبی و الگوریتم ژنتیک از مهمترین و پرکاربردترین تکنیک­های غیرخطی در این زمینه می­باشند که هر یک نقاط ضعف و قوت خ...

متن کامل

برآورد مشخصات پرش هیدرولیکی متحرک با کاربرد شبکه عصبی مصنوعی و روش تلفیقی شبکه عصبی-الگوریتم ژنتیک

پرش هیدرولیکی متحرک، حالت خاصی از جریان غیرماندگار است که باعث تغییر رژیم و وقوع ناپیوستگی هیدرولیکی در جریان می شود . در روندیابی جریان غیرماندگار و یا برنامه های بهره برداری کانال های روباز، آگاهی از رفتار چنین جریانی در باز ه ها ضروری است . این درحالی است که شبیه سازی عددی این پدیده به واسطه وجود ناپیوستگی هیدرولیکی و غیرماندگاری جریان، پیچیده است و داده های آزمایشگاهی در این مورد نیز محدو...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشکده علوم اقتصادی - دانشکده اقتصاد و علوم اجتماعی

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023