طراحی سیستم معاملات هوشمند با استفاده از الگوریتم جستجوی فاخته و مدل شبکه عصبیبازگشتی عمیق

به علت ذات بسیار پیچیده بازارهای مالی، بهره گیری از سیستم های معاملاتی هوشمند توسط سرمایه گذاران به امری اجتناب ناپذیر تبدیلشده است. در این راستا، پژوهش حاضر سعی دارد با استفاده از جدیدترین روش های پیش بینی یک سی ستم معاملات هوشمند سهامطراحی کند. در سیستم پیشنهادی با استفاده از تحلیل بنیادین یک شرکت بورسی انتخاب و طیف و سیعی از اندیکاتورهای تکنیکال باتنظیمات متفاوت برای آن محاسبه شده است. سپس سیگنال های معاملات حاصل از اندیکاتورهای تکنیکال به عنوان ورودی به ماشینارسال می شود. آنگاه با استفاده از یکی از جدیدترین روش های یادگیری ماشین یعنی مدل Stacked-LSTM پیش بینی سیگنالمعاملات انجام می شود. از آنجایی که این مدل دارای تنظیمات ساختاری زیادی است برای انتخاب تنظیمات آن از الگوریتم فاخته استفادهشده است. در نهایت به منظور ارزیابی عملکرد سیستم پیشنهادی از داده های شرکت های پذیرفته شده در بورس اوراق بهادار تهران استفادهشده است. نتایج نشان می دهد که سیستم پیشنهادی موفق شده نسبت به استراتژی خرید و نگهداری و شاخص بورس تهران عملکردبهتری کسب کند. همچنین این سیستم در معیارهایی مانند حداکثر افت و نسبت شارپ نسبت به بازار عملکرد بهتری را ثبت کرده است.

Keywords:

سیستم معاملات هوشمند , الگوریتم جستجوی فاخته , سیگنال معاملات , مدل Stacked-LSTM