طراحی و پیاده سازی سامانه چندعاملی خرید و فروش سهام در بازار سرمایه

بازار سهام نقش بسیار مهمی را در بازارهای مالی ایفا می کند و یکی از مهم ترین تحرکات پژوهشی، پیش بینی نوسانات و روندموجود در این بازار است. این پیش بینی آینده اساسا از طریق تاریخچه قیمت های قبلی به دست می آید. در این مقاله تلاش می شود با بکارگیری شبکه های عصبی بازگشتی باحافظه و نوع پیشرفته آن حافظه ی کوتاه مدت طولانی LSTM وهمچنین استفاده همزمان مدل آماری پیش بینی سری زمانی آریما ARIMA تحت عنوان دو عامل مستقل، به پیش بینی روزانه قیمت سهام بپردازند و در هر روز بهترین گزینه خرید و فروش را بر اساس پیش بینی خود انجام دهند. داده های مورد بررسی مربوطبه بورس ایالات متحده در بازه سال های ۲۰۱۲ تا ۲۰۲۰ می باشد. شرکت های بزرگ و مهم مبنای بررسی و مقایسه قرار خواهندگرفت. نتایج نشان می دهند استفاده همزمان از روش های پیش بینی می توانند به بهبود بهره وری کمک کنند. عامل طراحیشده در این پژوهش به بازده ۹۷ درصدی رسید که بازدهی بیش از ۷ برابر بازده شرکت های بزرگ بورس ایالات متحده را شاملمی شود.

Keywords:

سیستم های چندعاملی , پیش بینی بازار سهام , پیش بینی سری زمانی , شبکه عصبی بازگشتی , آریما