پيشبيني زمان بهينه انجام معاملات با استفاده از شبکه عصبي فازي: با رويکرد تحليل تکنيکال

عنوان مقاله : پيشبيني زمان بهينه انجام معاملات با استفاده از شبکه عصبي فازي: با رويکرد تحليل تکنيکال

قالب بندی : doc

قیمت : 13000

شرح مختصر:در اين تحقيق به عنوان نمونه پيشبيني زمانبندي معاملات سهام 17 شرکت فعال در بورس اوراق بهادار تهران انجام شد. بدينصورت که ابتدا دادههاي اوليه که شامل 3 متغير قيمت پاياني، کمترين قيمت و بيشترين قيمت سهام طي دوره زماني 1388 تا پايان 1391 بصورت روزانه است، از سايت رسمي سازمان بورس اوراق بهادارتهران گردآوري گرديد .سپس با استفاده از اين دادهها و تعريف توابع مربوطه در نرم افزار Excel شاخصهاي قدرت نسبي((RSI، ميانگين متحرک همگرا- واگرا(MACD)، ميانگين متحرک ساده((SMA، نوسانگر تصادفي((SO، ميانگين متحرک نمايي(EMA) و خط سيگنال(SL) محاسبه شدند. پس از گردآوري ساير دادهها با استفاده از رگرسيون گام به گام متغيرهاي ورودي هر شبکه عصبي فازي مربوط به هر سهم شناسايي شد. در شناسايي متغيرهاي موثر بر شاخصهاي تحليل تکنيکال اين نتيجه حاصل شد که شاخصهاي RSI، MACD و شاخص کل سهام در 70 درصد نمونه مورد بررسي بر RSI 14 روز آتي تاثير داشتهاند. از طرفي، MACD-SL در 94 درصد نمونه مورد بررسي به عنوان متغير ورودي شبکه پيشبين MACD-SL 14 روز آتي درنظر گرفته شدهاست. ازميان متغيرهاي مستقل، قيمت پاياني بيشترين تکرار را (تقريبا در 76 درصد موارد) در شبکههاي پيشبينSMA-P 14 روز آتي داشته است. بيشترين متغيري که به عنوان ورودي شبکههاي پيشبين EMA-P و SO 14 روز آتي شناسايي گرديد، نسبت قيمت به سود بودهاست. از ميان کليه متغيرها دلار و طلا به نسبت کمتري به عنوان متغير ورودي درنظر گرفته شدهاست. اين وروديها در نرم افزار Matlab و از طريق رابط گرافيکي Anfisedit جهت آموزش و تست شبکه مورد نظر به کار گرفته شدند. به گونهاي که پنج شبکه ANFIS براي پيشبيني متغيرهاي RSI ، -SL MACD، -P SMA، SO وEMA-P 14روز آتي براي هر سهم طراحي شدند. سپس با استفاده از معيار MSE و RMSE و درصد صحت پ يشبيني عملکرد شبکههاي ايجاد شده بررسي گرديد