ارائه مدلي جهت پيش‌بيني و انجام معاملات سهام با استفاده از روش يادگيري عميق

در ساليان گذشته كارشناسان مالي همواره دنبال روش‌ها و تكنيك‌هاي متفاوتي بوده تا به وسيله آن بتوانند در رابطه با خريد، فروش و يا عدم انجام معامله يك سهم تصميم‌گيري نمايند. در واقع همواره سرمايه‌گذاران در بازار سهام به دنبال راهي براي يافتن چرخه‌ي زماني مناسب براي معامله‌ي سهام در قيمت‌هاي بهينه هستند. تحليل‌گران بازار سرمايه معتقدند كه بيشتر اطلاعات مربوط به سهام در قيمت هاي اخير منعكس ‌‌مي‌شود. بنابراين اگر روند حركات مشاهده و بررسي شود، بر اين اساس قيمت ها قابل پيش بيني هستند. در پژوهش نيز تلاش شده است تا با ارائه مدلي جهت پيش‌بيني سهام اقدام شود. با ارائه ي مدل الگوريتم معاملاتي با تركيب شبكه‌هاي عصبي CNN-LSTM كه از محبوب‌ترين شبكه‌هاي عصبي يادگيري عميق هستند، جهت پيش‌بيني روند قيمت و تعيين نقاط خريد و فروش سهام اقدام شده است. به طور كلي 36 پارامتر به عنوان داده هاي ورودي جهت تصوير سازي مورد استفاده قرار گرفته است كه پارامتر قيمت پاياني، حجم معاملات صورت گرفته و 34 انديكاتور كه داده هاي آن به صورت روزانه مي باشد انتخاب شده است. نتايج حاصل شده از شبكه عصبي تركيبي نشان مي‌دهد به صورت ميانگين دقت مدل براي پيش‌بيني نماد برابر با 75% بوده است. همچنين بررسي پارامترهاي Recall و Precision نشان مي‌دهد بيش برازش در مدل رخ نداده است. بررسي معاملات در بازه 3 ساله مورد نظر نشان از بازدهي بالاي معاملات مي‌دهد.