پیش بینی روند تغییرات قیمت سهم با استفاده از ماشین بردار پشتیبان وزن دهی شده و انتخاب ویژگی هیبرید به منظور ارائه استراتژی معاملاتی بهینه

Authors

  • سعید باجلان استادیارگروه مالی و بیمه، دانشکده مدیریت دانشگاه تهران
  • سعید فلاحپور استادیارگروه مالی و بیمه، دانشکده مدیریت دانشگاه تهران
  • ناهید دانا دانشجوی کارشناسی ارشد رشته مهندسی مالی، دانشگاه تهران
Abstract:

در این پژوهش، یک مدل پیش­بینی براساس روش ماشین بردار پشتیبان تعدیل­شده با استفاده از وزن­دارکردن تابع جریمه مدل با توجه به حجم معاملات واقعی روزانه  به منظور افزایش دقت پیش‌بینی نوسان‌های کوتاه مدت در بازار سهام و دست­یابی به استراتژی معاملاتی بهینه، ارائه شده است. همراه با طبقه­بندی­کننده ماشین بردار پشتیبان تعدیل­شده، از یک روش انتخاب ویژگی هیبرید، مرکب از یک بخش فیلتر­کننده و یک بخش پوشش­دهنده به منظور انتخاب زیرمجموعه­ای بهینه از ویژگی­ها استفاده شده است. همچنین به منظور بررسی توانایی مدل پیشنهادی در پیش­بینی روند قیمت، یک استراتژی معاملاتی بر پایه نتایج مدل داده می­شود. ورودی مدل چندین شاخص تحلیل تکنیکال و شاخص­های آماری متعددی هستند که برای تعداد 10 سهم انتخاب شده از بورس اوراق بهادار تهران محاسبه شده­اند. نتایج نشان می­دهد که مدل ماشین بردار پشتیبان وزن­دهی شده، همراه با روش انتخاب ویژگی هیبرید پیشنهاد شده، میزان دقت پیش­بینی را به میزان قابل توجهی افزایش داده و نیز نتایج استراتژی معاملاتی پیشنهادشده را نسبت به استراتژی­های رقیب، هم از لحاظ میزان بازده کلی و هم از لحاظ میزان بیشینه ضرر در طول دوره سرمایه­گذاری بهبود می‌بخشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

طراحی سامانۀ تشخیص تقلب با استفاده از ماشین بردار پشتیبان، انتخاب ویژگی و اعتبارسنجی متقابل

  در سال­های اخیر پرداخت الکترونیکی، رشد سریعی در میان فعالیت­های اینترنتی داشته است؛ به‌طوری که امروزه به‌دلیل سرعت، کارایی، کاهش هزینه­ها و سهولت دسترسی، مشتریان زیادی را به خود جذب کرده است. کارت­های اعتباری یکی از پرکاربردترین ابزارهای پرداخت و مبادلات الکترونیکی هستند. در این پژوهش شناسایی و استخراج ویژگی­های تراکنش­های تقلبی در تشخیص تقلب و به‌دنبال آن طبقه­بندی صحیح آن‌ها به دو طبقه قانو...

full text

پیش بینی ژن‏ های بیماری با استفاده از دسته‏ بند تک‌کلاسی ماشین بردار پشتیبان

Abstract: In disease gene identification and classification, users are only interested in classifying one specific class, disease genes, without considering other classes (non-disease genes). This situation is referred to as one-class classification. Existing machine learning-based methods typically use known disease gene as positive training set and unknown genes as negative training set to bu...

full text

پیش بینی روند حرکتی قیمت سهام با استفاده از ماشین بردار پشتیبان برپایۀ الگوریتم ژنتیک در بورس اوراق بهادار تهران

با توجه به گسترش روز افزون روش های پیش بینی در بازارهای مالی و نیز، از آنجا که قیمت سهام یکی از مهم ترین عوامل مؤثر در تصمیمات سرمایه گذاری است و پیش بینی آن می تواند نقش با اهمیتی در این زمینه ایفا کند، در این پژوهش سعی شده است، مدلی ارائه شود تا بر اساس آن بتوان روند حرکتی قیمت سهام شرکت مورد نظر را با دقت بالایی پیش بینی کرد. بر همین اساس، یک مدل ترکیبی برای پیش بینی روند حرکتی قیمت سهام با ...

full text

پیش بینی قیمت تسویه در بازار برق: الگوریتم ماشین بردار پشتیبان بهبودیافته

با تشکیل بازار برق ایران در سال 1382، تولیدکنندگان انرژی با ثبت پیشنهاد قیمت خود به‌صورت روزانه در سامانه مدیریت شبکه، با یکدیگر به رقابت می‌پردازند.در این رقابت تنها تولیدکنندگانی پیروز هستند که قیمت پیشنهادی آن‌ها پایین‌تر از قیمت تسویه بازار در ساعات روز بعد باشد، ازاین‌رو پیش‌بینی قیمت تسویه بازار در روز بعد برای تولیدکنندگان انرژی امری حیاتی بوده و در کسب هر چه بیشتر سهم بازار برق ایران به...

full text

توانایی ماشین بردار پشتیبان در پیش بینی درماندگی مالی

درماندگی مالی پیش از ورشکستگی مالی رخ می‌دهد و پیش بینی موثر آن یک مسئله‌ی مهم و چالش برانگیز برای شرکت‌ها می‌باشد. تحقیق حاضر به پیش بینی درماندگی مالی در قالب مدل ماشین بردار پشتیبان و با استفاده از ترکیبات جریان نقد می‌پردازد. اهمیت ابزارهای داده کاوی، و توانایی این ابزارها در پیش بینی و طبقه بندی متغیرها، استفاده از آن‌ها را در مباحث مختلف مالی از جمله پیش بینی ورشکستگی، پیش بینی درماندگی م...

full text

پیش بینی قیمت تسویه در بازار برق: الگوریتم ماشین بردار پشتیبان بهبودیافته

با تشکیل بازار برق ایران در سال 1382، تولیدکنندگان انرژی با ثبت پیشنهاد قیمت خود به‌صورت روزانه در سامانه مدیریت شبکه، با یکدیگر به رقابت می‌پردازند.در این رقابت تنها تولیدکنندگانی پیروز هستند که قیمت پیشنهادی آن‌ها پایین‌تر از قیمت تسویه بازار در ساعات روز بعد باشد، ازاین‌رو پیش‌بینی قیمت تسویه بازار در روز بعد برای تولیدکنندگان انرژی امری حیاتی بوده و در کسب هر چه بیشتر سهم بازار برق ایران به...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 4  issue 3

pages  121- 148

publication date 2016-11-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023