توسعه یک روش هوشمند مبتنی بر شاخص‌های تکنیکال فازی برای پیش بینی و معامله نرخ برابری یورو- دلار.
محورهای موضوعی : مهندسی مالی
علیرضا صادقی
1
,
امیر دانشور
2
,
مهدی معدن چی زاج
3
1 - گروه مدیریت مالی، واحد علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2 - گروه مدیریت فناوری اطلاعات، واحد الکترونیکی، دانشگاه ازاد اسلامی، تهران، ایران
3 - گروه مدیریت مالی، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران
کلید واژه:
چکیده مقاله :
امروزه بازار فارکس بزرگترین بازار مالی در دنیا میباشد. تعیین استراتژی مناسب برای خرید یا فروش در بازار فارکس بر پایه پیش بینی از روند قیمت ها استوار است.لذا برای انتخاب یک استراتژی مناسب در فارکس، استفاده از مدل های پیچیده فراابتکاری استفاده می شود. در این تحقیق با پیش بینی روند بازار و بر اساس قواعد معاملاتی مبتی بر شاخص‌های تکنیکال فازی روش جدیدی را برای سرمایه‌گذاری در بازار فارکس ارائه می کند. برای پیش بینی، ترکیبی از الگوریتم ماشین بردار پشتیبان ترکیبی (HSVM) و برای طبقه بندی بازار در سه کلاس مختلف ( روند صعودی، روند نزولی، بدون روند) و یک الگوریتم پویای ژنتیک برای بهینه سازی قواعد معاملاتی استفاده شده است . برای تعیین قواعد معاملاتی از 5 شاخص تکنیکال فازی استفاده شده است.داده های جفت ارز یورو به دلار، در یک بازه زمانی روزانه بین سال های 2010 تا 2019 به عنوان داده های آموزش و آزمون استفاده می شود. نتایج بدست آمده در مقایسه با روش های سنتی نتایج امیدوارکننده ای داشته است
Today, the Forex market is the largest financial market in the world. Determining the right strategy for buying or selling in the Forex market is based on predicting the price trend. Therefore, to choose a suitable strategy in Forex, complex meta-heuristic models are used. In this research, by predicting the market trend and based on trading rules based on fuzzy technical indicators, a new method for investing in the Forex market is presented. For forecasting, a combination of hyper support vector machine (HSVM) algorithm is used and for market classification in three different classes (uptrend, downtrend, sideway) and a dynamic genetic algorithm is used to optimize trading rules. Five fuzzy technical indicators have been used to determine the trading rules. Euro-dollar pair data is used as daily training and test data for a daily period between 2010 and 2019. The results obtained compared to traditional methods have had promising results.
