استخراج قوانين معامله در بازار سهام با استفاده از محاسبات تكاملي دو سطحي

يكي از حوزه‌هاي پركاربرد در بازارهاي مالي، توليد قوانين تصميم گيري به ‌منظور پيش‌بيني قيمت در بازارهاي سهام است كه اين حوزه به دليل كسب سود، همواره مورد توجه بسياري از دانشگاهيان، سرمايه‌گذاران عادي و حرفه‌اي قرار گرفته است. هدف اصلي اين مقاله، ارائه روشي تكاملي در جهت توليد قوانين تصميم گيري معاملاتي است، كه با اهميت دادن به بهينه سازي پارامتر هاي موجود در قوانين، بتواند قوانيني موثر و معنادار براي معامله در بازار هاي مالي توليد كند. در اين مقاله يك روش تكامل دو سطحي (STGP-PSO)، مبتني بر الگوريتم هاي تكاملي شامل الگوريتم برنامه نويسي ژنتيك همراه با محدوديت نوع داده (STGP) و الگوريتم بهينه سازي ازدحام ذرات (PSO) جهت توليد قوانين تصميم گيري در بازار هاي مالي ارائه شده است. در روش پيشنهادي، مدلي ارائه شده است كه با توليد قوانين در يك سطح و بهينه سازي پارامتر هاي قوانين در سطح ديگر به صورت همروند بتواند قوانين سودآور و معناداري را در جهت تصميم-گيري در بازار هاي مالي ارائه دهد. روش پيشنهادي بر روي 24 شركت در شاخص S P500 ارزيابي شده است. عملكرد روش تكاملي پيشنهادي، بر اساس معيار بازده و سود قوانين توليد شده، با استراتژي الگوريتم تكاملي تك سطحي STGP و استراتژي خريد و نگهداري ارزيابي و مقايسه شده است. بازده مدل پيشنهادي در مجموع 8 سهام با روند هاي صعودي، نزولي و خنثي، به ترتيب برابر با 353درصد، 112.6درصد و 143.4درصد در طول يك سال دوره تست بوده است. به طور كلي، سهام با روند صعودي و نزولي، نسبت به استراتژي هاي رقيب عملكرد بهتري داشتند، و در سهام با روند خنثي به تقريب برابر با استراتژي خريد و نگهداري و بهتر از استراتژي تك سطحي عمل كرده است.