ارائه مدلی جهت پیش بینی و انجام معاملات سهام با استفاده از روش یادگیری عمیق

در سالیان گذشته کارشناسان مالی همواره دنبال روش ها و تکنیک های متفاوتی بوده تا به وسیله آن بتوانند در رابطه با خرید، فروش و یا عدم انجام معامله یک سهم تصمیم گیری نمایند. در واقع همواره سرمایه گذاران در بازار سهام به دنبال راهی برای یافتن چرخه ی زمانی مناسب برای معامله ی سهام در قیمت های بهینه هستند. تحلیل گران بازار سرمایه معتقدند که بیشتر اطلاعات مربوط به سهام در قیمت های اخیر منعکس می شود. بنابراین اگر روند حرکات مشاهده و بررسی شود، بر این اساس قیمت ها قابل پیش بینی هستند. در پژوهش نیز تلاش شده است تا با ارائه مدلی جهت پیش بینی سهام اقدام شود. با ارائه ی مدل الگوریتم معاملاتی با ترکیب شبکه های عصبی CNN-LSTM که از محبوب ترین شبکه های عصبی یادگیری عمیق هستند، جهت پیش بینی روند قیمت و تعیین نقاط خرید و فروش سهام اقدام شده است. به طور کلی ۳۶ پارامتر به عنوان داده های ورودی جهت تصویر سازی مورد استفاده قرار گرفته است که پارامتر قیمت پایانی، حجم معاملات صورت گرفته و ۳۴ اندیکاتور که داده های آن به صورت روزانه می باشد انتخاب شده است. نتایج حاصل شده از شبکه عصبی ترکیبی نشان می دهد به صورت میانگین دقت مدل برای پیش بینی نماد برابر با ۷۵% بوده است. همچنین بررسی پارامترهای Recall و Precision نشان می دهد بیش برازش در مدل رخ نداده است. بررسی معاملات در بازه ۳ ساله مورد نظر نشان از بازدهی بالای معاملات می دهد.

کلیدواژه ها:

یادگیری عمیق ، پیش بینی سهام ، معاملات الگوریتمی ، سرمایه گذاری در سهام