ارائه مدل معامله هوشمند در بازارهای مالی مبتنی بر الگوریتم ژنتیک، منطق فازی و شبکه عصبی

پیام:
چکیده:
معاملات موفق در بازارهای مالی می بایست نزدیک به نقاط کلیدی بازگشتی انجام گردد. در سال های اخیر سیستم های مختلفی به منظور شناسایی این نقاط بازگشتی ایجاد شده اند. تحلیل تکنیکال یکی از معتبرترین و پرکاربردترین این سیستم ها محسوب می شود. تحلیل تکنیکال بواسطه قوانین متعددی که داراست سعی در ایجاد سیگنال های صحیح به موقع به منظور شناخت این نقاط دارد. اما یکی از معایب این سیستم وابستگی شدید آن به تجربه و دانش انسانی جهت انتخاب و کاربرد این قوانین است. در این تحقیق ما سعی کرده ایم تا سیستم معاملاتی هوشمندی را بر پایه قوانین شناخته شده تحلیل تکنیکال و استفاده از سه ابزار الگوریتم ژنتیک، منطق فازی و شبکه عصبی ایجاد نماییم. در واقع الگوریتم ژنتیک به بهینه سازی قواعد تکینکی به دلیل پیچیدگی محاسباتی کمک خواهد کرد. منطق فازی نیز به تشخیص موقعیت کلی جاری در بازار کمک خواهد کرد. چرا که بنا به نوع خاص بازار (دارای روند یا خنثی) دسته ای از قوانین انتخاب خواهند شد. در انتها سیگنال های ایجاد شده بوسیله هرکدام از قواعد با کمک شبکه عصبی المان، به صورت نتیجه واحد (خرید، فروش یا نگهداری) در خواهد آمد.
نتایج حاصله نشان می دهد به صورت آماری اختلاف معنادار و قابل توجهی میان خرید ونگهداری سهم و سیستم معاملاتی پیشنهادی در این پژوهش وجود دارد. به عبارت دیگر سیستم پیشنهادی ما پتانسیل سودآوری بسیار بالایی را از خود نشان می دهد.
زبان:
فارسی
در صفحه:
33
لینک کوتاه:
magiran.com/p1577359 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!