پیش بینی قیمت اختیار معاملات با استفاده از شبکه فازی عصبی

استفاده از اختیارهای معامله در بهبود مدیریت ریسک و انتخاب سبد سرمایه گذاری تأثیر به سزایی دارد. بازار اختیار معامله دارای سیستمی کاملاً غیرخطی و آشوب گونه است؛ این غیر خطی بودن بسیار پیچیده تر از رفتار غیر خطی در سهام بوده، که از شرایط سیاسی، اقتصادی و روانشناسی تأثیر می پذیرد. این ویژگی باعث شده تا روش های فرا ابتکاری بهتر از روش های سنتی عمل کنند. در این تحقیق به طراحی و ارائه ی یک مدل جدید و کارای پیش بینی قیمت اختیار معامله با استفاده از رویکرد فازی عصبی و پیاده سازی آن در بازار اختیار معامله ی سیدنی (استرالیا) پرداخته شده است. بدین منظور چهار روش مختلف از انواع شبکه های عصبی و منطق فازی به همراه الگوریتم های آموزش مختلف ّارائه و با نرم افزار متلب پیاده سازی شده است. این الگوها شامل شبکه ی عصبی ، شبکه ی عصبی به همراه ماشین بردار پشتیبان ، شبکه ی عصبی فازی (anfis) و شبکه ی anfis با الگوریتم آموزشی حرکت دسته ذرات و با استفاده از روش آنتروپی برای انتخاب بهترین ورودی ها است. قابل توجه است که روش چهارم روش پیشنهادی این تحقیق بوده است. نوآوری این تحقیق در توسعه نظری بوده که با تغییر در فر آیند آموزش شبکه ی عصبی فازی با استفاده از الگوریتم حرکت دسته ی ذرات و نیز آموزش همزمان کلیه ی متغیرهای آن به جای آموزش هر یک از آنها به صورت جداگانه و همچنین روش آنتروپی برای رتبه بندی کردن داده های ورودی به منظور کاهش خطا و یادگیری بهتر و سریع تر شبکه استفاده شده است. سپس با استفاده از سری زمانی مربوط به دو سال بازار اختیار معامله ی سیدنی برای صد شرکت و سایر متغیرهای موثر از جمله قیمت جاری سهام، قیمت توافقی اختیار معامله، زمان باقیمانده تا سررسید اختیار معامله، قیمت سهام در زمان سررسید اختیار معامله، نرخ بهره ی بدون ریسک در طول مدت سرمایه گذاری و همچنین سری های زمانی مربوط به قیمت اختیارات معامله که با استفاده از روش های سنتی مانند درخت دوتایی ، شبیه سازی مونت کارلو و روش دیفرانسیل محدود و نیز بهبود یافته های این روش ها محاسبه شده، به پیش بینی قیمت اختیار معاملات در روز آینده پرداخته و با انتخاب معیار های استاندارد ارزیابی عملکرد از جمله میانگین مربعات خطا (mse) و ضریب همبستگی بین نتایج حاصله و مقادیر مورد انتظار (r) مشخص شده که کدام پیکربندی در هر الگو، پیش بینی بهتری انجام داده است. نتایج نشان می دهد که روش پیشنهادی که از شبکه ی فازی عصبی و الگوریتم آموزشی حرکت دسته ذرات استفاده می کند، پیش بینی های بسیار مناسب تری داشته و نسبت به شبکه ی عصبی منفرد و سایر روش های مورد استفاده از سرعت بالاتر و توانایی تقریب قوی تری برای پیش بینی قیمت اختیار معامله برخوردار بوده است و آن را به عنوان روش برتر در پیش بینی قیمت اختیار معامله معرفی کرده است.