طراحی الگوی تعیین راهبردهای معاملاتی سهام با رویکرد مبتنی بر آینده پژوهی، تحلیل بنیادی، مهندسی ویژگیها و الگوریتم های یادگیری ماشین

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
سرمایه گذاران در بازار سهام همواره به دنبال روش های نوین و کارآمد جهت پیش بینی روند حرکت قیمت سهم و اتخاذ استراتژیهای معاملاتی مناسب بوده اند. این پژوهش با بهره گیری از مدلی مرکب از آینده پژوهی ، تحلیل بنیادی ، قواعد معاملاتی خبرگان و الگوریتم های یادگیری ماشین، الگویی جهت اتخاذ راهبردهای معاملاتی مناسب پیشنهاد می نماید. ابتدا با استفاده از نظر خبرگان وآینده پژوهی، سناریو های پیش روی بازار سهام طراحی و با انجام تحلیل بنیادی سبدی شامل شش سهم تشکیل می گردد . در مرحله بعد با استفاده از 7 الگوریتم یادگیری ماشین و داده های شرکت های منتخب در بازه زمانی 1393 تا 1398، مدلسازی جهت پیش بینی روند قیمت هر سهم منتخب صورت می گیرد. متغیرهای ورودی مدل شامل شاخص های تکنیکال، قواعد تکنیکال، قواعد تابلوخوانی و داده های معاملاتی سهم می باشد. نتایج نشان می دهد، بکارگیری الگوی پیشنهادی برای سرمایه گذاری در بازار سهام بازدهی بالاتری را نسبت به شاخص کل بورس تهران ایجاد می نماید. همچنین بکارگیری راهبردهای معاملاتی کوتاه مدت مبتنی بر سیگنالهای مدل آموزش داده شده توسط الگوریتم تقویت گرادیان سبک (LGBM)، بازدهی بالاتری را در مقایسه با استراتژیهای خرید - نگهداری و تکنیکال برای سبد سهام منتخب ارایه می‏دهد.
زبان:
فارسی
صفحات:
499 تا 517
لینک کوتاه:
magiran.com/p2250721 
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!