پیش بینی روند کوتاه مدت قیمت طلا در بازار فارکس با استفاده از شبکه های عصبی عمیق و استراتژی پرایس اکشن

همان طور که می دانیم طلا یکی از پر نوسان ترین و پرسودترین ابزارهای مالی (یا پر ضررترین) محسوب می شود به همین دلیل حرکات کوچک طلا می تواند درصد بالایی از سود یا ضرر را نصیب معامله گر کند. بنابراین ما در تحقیق جاری یک مدل یادگیری ماشین با حداقل دقت ۶۰ درصد برای پیش بینی روند کوتاه مدت قیمت طلا ایجاد کردیم. مساله خود را به صورت یک مساله طبقه بندی دودویی فرمول بندی کردیم. همچنین گفتیم که با توجه به اصول مدیریت سرمایه و با داشتن سیستمی با قدرت پیش بینی ۶۰ درصد می توان در بازار مالی به یک معامله گر سودآور تبدیل شد. اگر با سرمایه اولیه ۱۰۰ دلار در هر معامله مقدار سود خود را ۱ دلار و مقدار ضرر خود را نیز ۱ دلار فرض کنیم (یعنی ریسک به ریوارد ۱:۱) و نرخ موفقیت مدل مان هم حداقل ۶۰ درصد در نظر گرفته شود آن گاه می توان در هر ۱۰۰ معامله ۱۰ دلار سود یا ۱۰ درصد سود کسب کرد که رقم قابل قبولی است. پس از ساخت و بهینه سازی مدل توانستیم دقت ۶۶ درصد را به دست آوریم که حدودا ۶ درصد از دقت فرضیه ما بالاتر بوده است. با این حال به دقت به دست آمده اکتفا نکرده و برای افزایش قابلیت اطمینان مدل و به دست آوردن تاییدهای بیشتر از داده های هفتگی و ماهانه استفاده کردیم و مدل خود را روی این داده ها تست کردیم. مدل ما برای داده های هفتگی دقت قابل قبولی نداشته است که شاید علت این امر تعداد کم نمونه های این مقطع زمانی است. از طرفی مدل ما روی داده های ماهانه دقت قابل قبولی داشته است و می توان از آن برای تایید پیش بینی سیستم در مقطع روزانه بهره گرفت. داده های ماهانه معمولا نویز و نوسان کمتری از بقیه مقاطع دارند و همین امر می تواند علت قابل قبول بودن دقت سیستم در این مقطع باشد. به منظور مقایسه کار پیشنهادی با کارهای دیگر، دو مقاله برای پیش بینی مقدار قیمت (رگرسیون) و یک مقاله برای پیش بینی جهت قیمت را برای مقایسه انتخاب کردیم. نتایج مقایسه نشان داد که روش پیشنهادی دو مزیت نسبت به روش های قبلی دارد: ۱) قدرت شبکه عصبی عمیق و ۲) قدرت ایده استفاده از سبک پرایس اکشن و به طور خاص تکنیک اینسایدبار در پیش بینی جهت قیمت طلا است.

Keywords:

کلمات کلیدی: پیش بینی قیمت طلا , بازار فارکس , شبکه های عصبی عمیق , پرایس اکشن