ارائه سیستم معاملاتی هوشمند مبتنی بر اندیکاتورهای تحلیل تکنیکال بهینه شده با الگوریتم کرم شب تاب
محورهای موضوعی : مهندسی مالی
فاطمه آسیائی طاهری
1
,
غلامرضا زمردیان
2
,
میرفیض فلاح شمس
3
1 - گروه مدیریت مالی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
2 - گروه مدیریت مالی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران و عضو گروه پژوهشی مخاطرات مالی نوین
3 - گروه مدیریت مالی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران و عضو گروه پژوهشی مخاطرات مالی نوین
کلید واژه:
چکیده مقاله :
هدف اصلی سرمایه‌گذاران در بازار سهام، کسب بیشترین بازده در زمان مورد نظر می‌باشد، لذا معرفی مناسب ترین روش جهت انجام معاملات برای سرمایه‌گذاران از اهمیت ویژه‌ای برخوردار است. معاملات موفق در بازارهای مالی می‌بایست نزدیک به نقاط کلیدی بازگشتی انجام گردد. در سال‌های اخیر سیستم‌های مختلفی به منظور شناسایی این نقاط بازگشتی ایجاد شده‌اند. تحلیل تکنیکال سعی در شناسایی نقاط صحیح و به موقع برای ورود و خروج به معاملات را دارد.در این مقاله در تلاش هستیم تا با بهره‌گیری از قواعد تکنیکی طبق پژوهش‌ها و نتایج پیشین که دارای درصد موفقیت بالاتری باشد، را انتخاب نموده و با به کارگیری محاسبات نرم، پارامترهای تصمیم‌گیری در قواعد تکنیک با استفاده از الگوریتم کرم شب تاب بهبود داده شود.نتایج این مدل با نتایج حاصل از به‌کارگیری پارامترهای استاندارد اندیکاتورها و نتایج حاصل از راهبرد خرید و نگهداری مقایسه می‌شود. به منظور اعتبار سنجی سیستم معاملاتی معرفی شده، به مقایسه آن با نتایج حاصل از سیستم هوشمند بهینه سازی شده مبتنی بر روش اپتیک و الگوریتم ژنتیک پرداختیم. نتایج پژوهش نشان می‌دهد که با بهینه سازی پارامترهای اندیکاتورهای تحلیل تکنیکال می توان بازدهی سرمایه‌گذاری را نسبت به روش های معمول در بازار سهام و پژوهش‌های پیشین افزایش داد.
The main goal of investors in the stock market is to get the highest return at the desired time, therefore introducing the most suitable method for conducting transactions is of special importance for investors. Successful trading in financial markets should be done close to key reversal points. In recent years, various systems have been developed to identify these return points. Technical analysis tries to identify the time to enter and exit trades.In this article, we are trying to select the one with a higher success rate by using the technical rules according to the previous researches, and by using soft calculations, the decision parameters in the technical rules are improved using the firefly algorithm.The results of this model are compared with the results of using the standard parameters of the indicators and the results of the purchase and maintenance strategy. In order to validate the introduced trading system, we compared it with the results of the optimized intelligent system based on optics and genetic algorithm. The results of the research show that by optimizing the parameters of technical analysis indicators, the investment efficiency can be increased compared to the usual methods in the stock market and previous researches.
