توسعه یک روش هوشمند مبتنی بر شاخص‌های تکنیکال فازی برای پیش بینی و معامله نرخ برابری یورو- دلار.

مهندسی مالی و مدیریت اوراق بهادار

مقاله 8، دوره 11، شماره 45، دی 1399، صفحه 177-198   

نوع مقاله: مقاله پژوهشی

نویسندگان

علیرضا صادقی¹؛ امیر دانشور^{* 2}؛ مهدی معدن چی زاج³

¹گروه مدیریت مالی، واحد علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

²گروه مدیریت فناوری اطلاعات، واحد الکترونیکی، دانشگاه ازاد اسلامی، تهران، ایران

³گروه مدیریت مالی، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران

چکیده

امروزه بازار فارکس بزرگترین بازار مالی در دنیا میباشد. تعیین استراتژی مناسب برای خرید یا فروش در بازار فارکس بر پایه پیش بینی از روند قیمت ها استوار است.لذا برای انتخاب یک استراتژی مناسب در فارکس، استفاده از مدل های پیچیده فراابتکاری استفاده می شود. در این تحقیق با پیش بینی روند بازار و بر اساس قواعد معاملاتی مبتی بر شاخص‌های تکنیکال فازی روش جدیدی را برای سرمایه‌گذاری در بازار فارکس ارائه می کند. برای پیش بینی، ترکیبی از الگوریتم‌ ماشین بردار پشتیبان ترکیبی (HSVM) و برای طبقه بندی بازار در سه کلاس مختلف ( روند صعودی، روند نزولی، بدون روند) و یک الگوریتم پویای ژنتیک برای بهینه سازی قواعد معاملاتی استفاده شده است . برای تعیین قواعد معاملاتی از 5 شاخص تکنیکال فازی استفاده شده است.داده های جفت ارز یورو به دلار، در یک بازه زمانی روزانه بین سال های 2010 تا 2019 به عنوان داده های آموزش و آزمون استفاده می شود. نتایج بدست آمده در مقایسه با روش های سنتی نتایج امیدوارکننده ای داشته است

کلیدواژه‌ها

فارکس؛ ماشین بردار پشتیبان؛ شاخص‌های تکنیکال فازی؛ الگوریتم ژنتیک

مراجع

 [1]. درگاهی حسین،انصاری رضا،بهبود مدل­سازی شبکه­های عصبی در پیش­بینی نرخ ارز با بکارگیری شاخص­های تلاطم،تحقیقات اقتصادی، 1384 ،تابستان،شماره 69، صفحات 181-216

[2] سمنانی خطیب، هادی­نژاد، خشوعی رکسانا،مقایسه قدرت شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش­بینی نرخ ارز:کاربردی از تبدیل موجک، فصل­نامه آینده پژوهی مدیریت، 1393،شماره 100،صفحه 35-49

[3] سینایی حسن­علی، مرتضوی سعیدالله،تیموری اصل یاسر، ،پیش­بینی شاخص بورس اوراق بهادار با استفاده از شبکه­های عصبی مصنوعی،بررسی­های حسابداری و حسابرسی،1384،شماره 41،صفحه 83-59

[4] . شریف مقدم، شفق ، هاشمی، سید ذبیح­اله، پیش­بینی نرخ ارز یورو به دلار با تکنیک شبکه عصبی مصنوعی، فصلنامه مهندسی مالی و مدیریت اوراق بهادار،1397، زمستان ،شماره سی و هفتم، صفحات 413-399

[5].حاجی غیاثی­فر محمد حسین،نیکومرام هاشم، آسیب­شناسی مکانیزم انجام معاملات در یازار ارز جهانی و ارائه مدل پیشنهادی بازار متشکل ارزی مبتنی بر واقعیت اقتصاد، مجله مهندسی مالی و مدیریت اوراق بهادار،1398،تابستان،شماره سی و نهم، صفحات 135-169

[6] طیبی، سید کمیل،معینی،شهرام،زمانی،زهرا،مدلسازی اجتناب ناپذیری زیان اکثر معاملا­گران در بازار فارکس با استفاده از فرایند تصادفی، تحقیقات مدل­سازی اقتصادی،1392،بهار، شماره 11،صفحات100-121

[7]. غفاری، مهدی و یوسفی، راحله، مدلسازی پیش­بینی قیمت ارز با استفاده از شبکه­های عصبی، مجله مهندسی مالی و مدیریت اوراق بهادار،1390 ، شماره هشتم، پاییز، صفحات 119-99

[8] مورفی، جان، تحلیل تکنیکال در بازار سرمایه، چاپ پانزدهم،تهران، نشر چالش، 1398

[9] .مهدی پور، علیرضا، الگوها و نمودارهای اسرار آمیز در بازارهای مالی، چاپ اول ،تهران، نشر آراد، 1398

[10]. Available data on https://www.investing.com

[11]Achchab, Said, Bencharef Omar (B), and Ouaarab Aziz , A Combination of Regression,Techniques and Cuckoo Search Algorithm for FOREX Speculation, Springer International Publishing AG 2017 ,Advances in Intelligent Systems and Computing ,p.225-237

[12]. Bank for International Settlements(BIS),Foreign exchange turnover in April 2019, Issue: 16.Sep.2019

[13] Bernardo J. de A., Rui Ferreira N., Nuno Horta, Combining Support Vector Machine with Genetic Algorithms to optimize investments in Forex markets with high leverage, Applied Soft Computing ,2018,64, pp. 596–613

[14]Brito ,R.F.B. de, Oliveira, A.L.I., Comparative study of forex trading systems built with SVR+GHSOM and genetic algorithms optimization of technical indicators, in: Proceedings of the 2012 24th IEEE International Conference on Tools with Artificial Intelligence, IEEE, 2012, pp. 351–358.

[15]Galeshchuk s, Mukherjee s,FOREX Trading Strategy Optimization,14th International Conference Computing and Artificial Intelligence,2018, pp 69-76

[16]Hirabayashi,. Aranha C,. Iba H, Optimization of the trading rule in foreign exchange using genetic algorithm, in: Proceedings of the 11th Annual Conference on Genetic and Evolutionary Computation (GECCO ’09), Montreal, Canada, New York USA : ACM, 2009, pp. 1529–1536.

[17]Kamruzzaman j,sarker r,ahmad e,SVM based models for predicting foreign currency exchange rates, Third IEEE International Conference,2003

 [. [18] Macedo, Lobato ,Luís, Godinho, Pedro  ·Alves, Maria João, A Comparative Study of Technical Trading Strategies Using a Genetic Algorithm, Springer Science+Business,2016,

[19]Lam Thu. B., Van Truong Vua,⁎, Thi Thu Huong Dinh, A novel evolutionary multi-objective ensemble learning approach for forecasting currency exchange rates, Data & Knowledge Engineering,2017

 [20]. Sermpinis G.,. Stasinakis, C Theofilatos K., Karathanasopoulos A., Modeling, forecasting and trading the EUR exchange rates with hybrid rolling genetic algorithms – support vector regression forecast combinations, Eur. J. 2015, 247 (3) , pp.831–846.

[21] Shin, K.S., Lee, T.S., Kim, H.J. An application of support vector machinesin bankruptcy prediction model., Expert Systems with Applications, 2005,28(1),127-135.