هدف پژوهش حاضر طراحی یک سیستم معاملاتی هوشمند با استفاده از تکنیک های هوش مصنوعی به منظور کشف و طبقه بندی صحیح پیوت های قیمتی می باشد. منظور از پیوت قیمتی نقاط برگشت قیمت است که موجب تغییر روند قیمت سهام می شود. در این بین نیز از دو تکنیک مربعی گن و الگوهای کندلستیک در کنار سایر متغیرها استفاده شده است. داده های مورد استفاده در این پژوهش مربوط به 12 شرکت فعال در گروه بیمه و صندوق بازنشستگی طی 5سال شهریور 1391 الی شهریور 1396 می باشد. پیوت های قیمتی شرکت های مورد بررسی با الگوبرداری از اندیکاتور ZigZag و با کدنویسی در SQLServer شناسایی شده اند. نتیجه پژوهش نشان از توانمندی بالای سیستم طراحی شده برای کشف و طبقه بندی پیوت های قیمتی با محوریت دو الگوی کندلستیک و تکنیک مربعی گن دارد. در این بین، سطح اهمیت الگوهای کندلستیک و سطوح مربعی گن در کشف و طبقه بندی صحیح پیوت های قیمتی بالاتر از سایر متغیرها بوده است.

هدف پژوهش حاضر طراحی یک سیستم معاملاتی هوشمند با استفاده از تکنیک های هوش مصنوعی به منظور کشف و طبقه بندی صحیح پیوت های قیمتی است. منظور از پیوت قیمتی نقاط برگشت قیمت است که موجب تغییر روند قیمت سهام می شود. در این بین نیز از دو تکنیک مربعی گن و الگوهای کندلستیک در کنار سایر متغیرها استفاده شده است. داده های مورد استفاده در این پژوهش مربوط به 31 شرکت فعال در گروه خودرو و ساخت قطعات طی 5 سال شهریور 1391 الی شهریور 1396 می باشد. پیوت های قیمتی شرکت های مورد بررسی با الگوبرداری از اندیکاتور ZigZag و با کدنویسی در SQLServer شناسایی شده اند. نتیجه پژوهش نشان از توانمندی بالای سیستم طراحی شده برای کشف و طبقه بندی پیوت های قیمتی با محوریت دو الگوی کندلستیک و تکنیک مربعی گن دارد. در این بین، سطح اهمیت الگوهای کندلستیک و سطوح مربعی گن در کشف و طبقه بندی صحیح پیوت های قیمتی بالاتر از سایر متغیرها بوده است.

لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

الگوسازی از ذهن و ارایه مدلی که قابلیت های پیچیده ذهن را داشته باشد یکی از افق های توانمندی بشر است.اگرچه عمده تلاش ها در این زمینه بیش تر از نیم قرن سابقه ندارد و با دستاوردهای مسحورکننده خود یکی از پدیده های شگفتی ساز شده است، اما هر چه این رویا رنگ واقعیت بیش تری به خود می گیرد مشکلات بزرگ تری را بر سر راه نظریه پردازان هوش مصنوعی قرار می دهد. دو مساله عمده ای که در این زمینه در مقاله حاضر بررسی خواهد شد عبارت اند از: الف - آیا سیستم های هوشمند قادر خواهند بود هر مساله ای را حل کنند؟، ب _ آیا می توان رابطه ای میان این مساله و تصمیم ناپذیری منطق محمولات مرتبه اول برقرار کرد؟، که هریک از آنها در درون خود شامل مسایل جزئی تری هستند که به طورخلاصه عبارت اند از: 1 – چه سیستمی را می توان سیستم هوشمند نامید؟، و 2 – نحوه حل مساله در سیستم هوشمند به چه صورتی است؟، و 3 – چه سسیستمی را تصمیم پذیر گویند؟فرضیه های مطرح شده در این مقاله نیز بدین قرارند:الف – سیستم های هوشمند از رویه ای الگوریتمی تبعیت می کنند. اگر بتوان مساله ای یافت که الگوریتم پذیر نباشد، می توان نتیجه گرفت آن مساله برای سیستم هوشمند حل ناپذیر است. ب - حل مسایل در هر سیستم هوشمندی متاثر از منطق حاکم بر آن است، بنابراین، عدم حل برخی از مسایل توسط سیستم منعکس کننده ناتوانی منطق (محمولات) در ارایه الگوریتمی متناهی برای برخی از فرمول هاست تا مشخص کند آیا آن فرمول ها معتبرند یا خیر.

توسعه سیستم های معاملاتی سهام با استفاده از الگوریتم های تکاملی (EA) طی چند سال اخیر به موضوعی پرمخاطب در حوزه مالی مبدل شده است. در پژوهش حاضر، سیستم معاملاتی تکنیکی هوشمند با بهره گیری از مدلی مرکب از شبکه عصبی MLP و الگوریتم های تکاملی شامل الگوریتم ژنتیک (GA)، الگوریتم بهینه سازی مورچگان پیوسته (ACOR) و الگوریتم بهینه سازی ازدحام ذرات (PSO) پیشنهادشده است. داده های مربوط به 15 شرکت منتخب طی سال های 1387 تا 1396 بر اساس دوره های کوتاه مدت و بلندمدت و همچنین روندهای بازار صعودی، نزولی و خنثی موردبررسی قرار گرفته اند. جهت انتخاب متغیرهای ورودی نهایی، از مقایسه رتبه بازدهی شاخص های تکنیکی بر اساس قواعد معاملاتی استفاده شده است. درنهایت، آزمون مقایسه زوجی بازدهی مدل ها در مقایسه با استراتژی خرید و نگهداری انجام شد و بازدهی مدل ها با یکدیگر مقایسه شده است. نتایج تحقیق نشان می دهد مدل های ترکیبی MLP و الگوریتم های تکاملی عملکرد بهتر و معناداری نسبت به روش خرید و نگهداری و مدل MLP-BP داشته است و مدل MLP_PSO بازدهی بیش تری نسبت به سایر مدل ها کسب کرده است.

در این پژوهش با استفاده از مدل خودرگرسیون برداری و مقیاس عملکرد هفتگی پرتفوی گرینبلت و تیتمن، الگوهای معاملاتی و اجزای تشکیل دهنده عملکرد معاملاتی سرمایه گذاران حقیقی و حقوقی در بورس اوراق بهادار تهران در سال های 1387 تا 1391 بررسی شده است. نتایج نشان داد در مجموع سرمایه گذاران حقیقی رفتاری جمعی دارند، اما سرمایه گذاران حقوقی راهبرد معاملاتی معکوس را در پیش می گیرند. با وجود این، شواهدی در اتخاذ راهبرد مومنتوم از سوی سرمایه گذاران حقیقی و حقوقی به دست نیامد. سرمایه گذاران حقوقی با اتخاذ راهبرد معکوس، در اغلب فواصل معاملاتی، عملکرد معاملاتی بهتری داشتند و بخش شایان توجهی از بازده به دلیل زمان بندی معاملاتی مناسب بوده است، اگرچه انتخاب سهام نامناسب، بخشی از بازده آنها را تحت الشعاع قرار داد. در مقابل، برای سرمایه گذاران حقیقی با وجود عملکرد مناسب از بعد انتخاب سهام، بخشی از بازده عملکرد معاملاتی به دلیل زمان بندی معاملاتی نامناسب، خنثی شده است.