طراحی و بهبود سیستم استنتاج فازی مبتنی بر نشانگر های تکنیکی با استفاده از الگوریتم های فراابتکاری برای بهینه سازی استراتژی معاملات در بازار سرمایه

بازار سرمایه با تاثیرپذیری از عوامل شناخته شده و نشده فراوان، محیطی پیچیده، نویزی و با عدم اطمینان و عدم قطعیت بالاست. بنابراین سرمایه گذاران همواره برای به دست آوردن بازده بیشتر به دنبال روش های کاراتر برای مواجهه با عدم قطعیت می باشند. تحلیل تکنیکی به دلیل بررسی تغییرات قیمت و حجم معاملات منعکس کننده رویداد ها و رفتار های اقتصادی، سیاسی و انسانی بطور مشترک بوده و در بازار سرمایه نقش بسیار مهمی ایفا می کند. تحلیل تکنیکی شامل نشانگر ها و قواعد متعدد می باشد، اما دشوار ترین بخش آن انتخاب و چگونگی استفاده از آن هاست. با توجه به عدم قطعیت محیط بازار سرمایه، بکارگیری همزمان چندین نشانگر با استفاده از منطق فازی و هوش مصنوعی بسیار کارا به نظر می رسد. در این تحقیق یک سیستم استنتاج فازی مبتنی بر شش نشانگر متفاوت تکنیکی توسعه داده شده است که ورودی های آن شاخص های فازی تفاضلی و شیب این نشانگرها بوده و بر اساس یک پایگاه قواعد فازی مشتق شده از قواعد قطعی، یک خروجی به عنوان سیگنال ایجاد می شود که شدت آن نشان دهنده درصدی از پول نقد (دارایی) سرمایه گذار جهت خرید (فروش) دارایی سرمایه ای است. در ادامه به جهت بهبود سیستم با استفاده از الگوریتم ژنتیک با هدف بیشینه سازی سود و سپس با استفاده از الگوریتم های nrga و nsga ii با اهداف بیشینه سازی سود و بیشینه سازی نسبت شارپ، نسبت به بهینه سازی وزن های قواعد سیستم استنتاج فازی اقدام شد. در این تحقیق جهت آموزش و آزمایش مدل ارائه شده از داده های روزانه سهام ده شرکت از شرکت های پذیرفته شده در بازار بورس تهران استفاده شد. نتایج به دست آمده نشان می دهند که مدل ارائه شده به طور کلی در بازه زمانی برای بیشتر نمونه ها بازده بسیار بهتری از استراتژی خرید و نگهداری ایجاد می کند. دارایی بدون ریسک به علت ریسک صفر دارای نسبت شارپ بی نهایت بوده و به عبارتی برای آزمایش مسئله دو هدفه، در حالتی که بازده خرید و نگهداری سهام کمتر از آن باشد به عنوان حد بالایی برای بازده مدل مطرح خواهد بود. بنابراین می توان نتیجه گرفت این مدل ابزار مناسبی برای ایجاد استراتژی های معاملاتی مناسب در بازار سرمایه است. در انتها الگوریتم های دو هدفه با استفاده از پنج نمونه از معیار های اندازه گیری کارایی الگوریتم هیا چندهدفه مقایسه شدند که تحلیل های آماری نشان می دهد این دو الگوریتم در هیچ یک از معیار ها در سطح اطمینان 95 درصد تفاوت معناداری با هم ندارند.