بهینه سازی استراتژی تحلیل تکنیکال با استفاده از رویکرد یادگیری ماشین در بازار بورس اوراق بهادار تهران [پايان نامه فارسي]
امیررضا محمودی
| شناسگر رکورد: | ۲۰۵۷۹ |
| رشته تحصیلی: | مهندسی مالی و مدیریت ریسک |
| عنوان: | بهینه سازی استراتژی تحلیل تکنیکال با استفاده از رویکرد یادگیری ماشین در بازار بورس اوراق بهادار تهران |
| نويسنده: | امیررضا محمودی |
| استاد راهنما : | دکتر رباب کلانتری |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۴۰۲ |
| چکیده: | ترکیب تحلیل تکنیکال و روشهای یادگیری ماشین میتواند رویکردی قدرتمند در تحلیل و پیشبینی بازارهای مالی باشد. در پژوهش حاضر با استفاده از داده قیمت¬های پایانی ۱۳ نماد از ۳۰ شرکت بزرگ بورس تهران، در ابتدا اقدام به یافتن بهترین بازه¬های زمانی دو اندیکاتور مکدی(MACD) و میانگین متحرک نمایی سه¬گانه (TEMA) می¬شود و با توجه به پاسخ¬های بهینه¬ی این دو اندیکاتور، سیگنال¬های معاملاتی خرید و فروش در بازه آزمون (پیش¬بینی) دریافت و بر روی نمادها اعمال می¬شود. از سوی دیگر، خروجی¬های بهینه¬ی تحلیل تکنیکال به عنوان ورودی به روش¬های یادگیری ماشین داده شده و با استفاده از خروجی¬های دو روش شبکه عصبی مصنوعی و رگرسیون بردار پشتیبان با توجه به مقایسه چهار خطای sMAPE، MAPE، MAE و RMSE، تحلیل تکنیکال و یادگیری ماشین با یکدیگر ترکیب شده و سیگنال معاملاتی خرید و فروش صادر می¬شود. در نهایت نتایج تحلیل تکنیکال و روش ترکیبی تکنیکال و یادگیری ماشین با یکدیگر مقایسه می¬گردد. نتایج نشان از برتری روش شبکه عصبی مصنوعی (ANN) نسبت به روش رگرسیون بردار پشتیبان (SVR) و نیز روش ترکیبی نسبت به استفاده مستقل از اندیکاتورهای تکنیکال دارد. بازه زمانی مورد بررسی در این پژوهش از ۰۶/۰۱/۱۳۹۰ تا ۲۸/۱۲/۱۴۰۱ می¬باشد که ۸۰ درصد ابتدایی مربوط به بازه آموزش و اعتبارسنجی و ۲۰ درصد انتهایی مربوط به بازه آزمون می¬باشد. واژههای کلیدی: تحلیل تکنیکال، یادگیری ماشین، بورس اوراق بهادار تهران، پیش¬بینی بازار سهام |
| شماره ثبت | جزء | نسخه | جلد | بخش | قسمت | مرجع | شماره بازیابی | در دست امانت | تاریخ بازگشت | ملاحظات | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 284171 | 1 |
جهت ثبت نظر با حساب کاربری تان وارد شوید