بهبود سیستم های معاملاتی مبتنی بر تحلیل تکنیکال با استفاده از هوش مصنوعی

بازار سهام تاکنون توسط محققان بسیاری مورد بررسی قرار گرفته است که بازاری نسبتا پیچیده می باشد. سرمایه گذاران برای تصمیم گیری مناسب در این بازارها از ابزار های تکنیکال زیادی استفاده می کنند. سیستم های معاملات سهام برای کمک به تصمیم گیری سرمایه گذاران حوزه نو ظهور تحقیقاتی است که پتانسیل های تجاری بسیاری دارد. معامله موفق باید در نزدیک نقاط برگشت روند قیمت صورت گیرد. تحلیلگران تکنیکال سنتی از قواعد متنوعی برای یافتن نقاط سقف و کف استفاده می کنند، که استفاده از آنها بسیار فراگیر شده است. متاسفانه استفاده از این قواعد بیشتر به تجربیات فردی تحلیلگر وابسته است. این پایان نامه کمک می کند فرآیند تصمیم گیری سیگنال های اندیکاتور های مختلف تحلیل تکنیکال را از طریق هوش مصنوعی یکتا نموده تا بیشینه سود از معاملات بازار حاصل شود. این سیگنال ها توسط ابزار های تکنیکال مختلف ایجاد شده اند و برای به حداکثر رساندن سود از الگوریتم متفاوتی استفاده می شود. پس از ایجاد سیگنال های مختلف خوراک شبکه هوش مصنوعی می شوند که سیگنال ها را با یکدیگر ترکیب می کند و یک سیگنال جواب در رابطه با خرید، فروش و یا نگهداری سهم ارائه می دهد. این پایان نامه به وسیله ی الگوریتم بهینه یابی ازدحام ذرات(pso) اندیکاتور های انتخاب شده را یکپارچه کرده و نقاط خرید فروش سهام را ارائه می نمایید و بازده آن ها را در بازار بورس اوراق بهادار تهران بررسی می نمایید. نتایج بدست آمده از این تحقیق به طور متوسط بازده بالاتری را از بازده شاخص بورس اوراق بهادار تهران نشان می دهد، که نتیجه مطلوبی برای این تکنیک به شمار می رود.