طراحی سیستم معاملات تکنیکی سهام با استفاده از مدل ترکیبی شبکه عصبی MLP و الگوریتم های تکاملی

توسعه سیستم های معاملاتی سهام با استفاده از الگوریتم های تکاملی (EA) طی چند سال اخیر به موضوعی پرمخاطب در حوزه مالی مبدل شده است. در پژوهش حاضر، سیستم معاملاتی تکنیکی هوشمند با بهره گیری از مدلی مرکب از شبکه عصبی MLP و الگوریتم های تکاملی شامل الگوریتم ژنتیک (GA)، الگوریتم بهینه سازی مورچگان پیوسته (ACOR) و الگوریتم بهینه سازی ازدحام ذرات (PSO) پیشنهادشده است. داده های مربوط به 15 شرکت منتخب طی سال های 1387 تا 1396 بر اساس دوره های کوتاه مدت و بلندمدت و همچنین روندهای بازار صعودی، نزولی و خنثی موردبررسی قرار گرفته اند. جهت انتخاب متغیرهای ورودی نهایی، از مقایسه رتبه بازدهی شاخص های تکنیکی بر اساس قواعد معاملاتی استفاده شده است. درنهایت، آزمون مقایسه زوجی بازدهی مدل ها در مقایسه با استراتژی خرید و نگهداری انجام شد و بازدهی مدل ها با یکدیگر مقایسه شده است. نتایج تحقیق نشان می دهد مدل های ترکیبی MLP و الگوریتم های تکاملی عملکرد بهتر و معناداری نسبت به روش خرید و نگهداری و مدل MLP-BP داشته است و مدل MLP_PSO بازدهی بیش تری نسبت به سایر مدل ها کسب کرده است.