ارائه راهکاری بر پایه پیش بینی قیمت در بازار سهام به منظور سودآوری سرمایه

بورس اوراق بهادار به عنوان بازاری با نوسان بالا، پویا و غیرخطی شناخته شده است. پیش بینی دقیق این بازار به دلیل تاثیر عوامل متعدد مانند سیاست گذاری ها و وضعیت اقتصاد جهانی به امری چالش برانگیز تبدیل شده است. بدلیل وجود حجم زیادی از اطلاعات برای یافتن الگوها و شناخت رفتار بازار، تحلیلگران مالی و محققان علوم داده سعی در ارائه ی تکنیک های تحلیلی مناسب برای تشخیص روند بازار سهام دارند. در این پژوهش یک روش جدید جهت پیشنهاد زمان انجام معاملات خرید و فروش سهام به منظور کسب سود از سرمایه-گذاری در بورس ارائه شده است. بعد از پیش پردازش داده ها و استخراج ویژگی، پیش بینی قیمت برای یک آینده کوتاه مدت بر روی داده-های سری زمانی صورت می پذیرد. برای هر روز در این بازه زمانی مورد پیش بینی، یک مدل یادگیرنده مستقل آموزش داده می شود. سه الگوریتم LSTM، SGD و SVR به عنوان مدل های یادگیرنده در این بازه زمانی مورد استفاده قرار گرفته است. بعد از پیش بینی قیمت و بر اساس روند قیمت، نقاط خرید و فروش و سود حاصل از آن محاسبه می شود. برای ارزیابی روش ارائه شده، داده های بیست شرکت متعلق به بخش های مختلف عملیاتی در بازار بورس تهران و بورس Nasdaq مورد استفاده قرار گرفته است. مدل ها با استفاده از معیارهای استاندارد RMSE و MAPE ارزیابی و میزان سود بدست آمده توسط هر کدام از مدل ها با یکدیگر مقایسه شده است.

Keywords:

بازار بورس , پیش بینی قیمت , ریسک , سرمایه گذاری , سودآوری