آزمون عملکرد الگوریتم جنگل های تصادفی و الگوریتم شبکه عصبی عمیق در استراتژی آربیتراژ آماری

مهندسی مالی و مدیریت اوراق بهادار

مقاله 16، دوره 10، شماره 40، مهر 1398، صفحه 349-364   

نوع مقاله: مقاله پژوهشی

نویسندگان

علیرضا فضل زاده^{* 1}؛ جعفر حقیقت¹؛ فرانک پورکیوان¹؛ وحید احمدیان²

¹گروه مدیریت و بازرگانی، دانشگاه تبریز، تبریز، ایران

²گروه حسابداری، دانشگاه تربیت مدرس، تهران، ایران

چکیده

در این تحقیق به آنالیز اثر بخشی الگوریتم جنگل­های تصادفی در زمینه آربیتراژ آماری پرداخته شده است، همچنین برای سنجش عملکرد الگوریتم جنگل­های تصادفی در زمینه آربیتراژ آماری نسبت به دیگر مدل­های ارائه شده در پژوهش­های پیشین، مقایسه نتایج بدست آمده از کاربرد این الگوریتم با الگوریتم شبکه­های عصبی عمیق انجام شده است. مدل­های مورد نظر با اطلاعات مربوط به قیمت سهام آموزش داده شده و خروجی بدست آمده از این تکنیک، سهام را بر اساس موقعیت خرید و فروش طبقه­بندی کرده است. با استفاده از این استراتژی موقعیت­های سودآوری در بازار سهام برای کسب سود شناسایی می­شود. نتایج نشان داد مدل جنگل­های تصادفی دارای خطای طبقه­بندی کمتری نسبت به مدل شبکه عصبی عمیق می باشد، بنابراین مدل جنگل­های تصادفی روش مناسب­تری برای استفاده در استراتژی آربیتراژ آماری و کسب سود می باشد.

کلیدواژه‌ها

جنگل های تصادفی؛ شبکه عصبی عمیق؛ آربیتراژ آماری

مراجع