تركيب روش‌هاي انتخاب ويژگي با مدل‌هاي يادگيري ماشيني، عميق و آماري براي پيش‌بيني قيمت اختيار سهام

دو روش كلاسيك براي تحليل و پيش‌بيني روند بازار مالي، روش بنيادي و تكنيكال است. در دهه گذشته با گسترش ابزارهاي رايانه براي ذخيره‌سازي داده‌هاي روزانه و لحظه‌اي بازار مالي و در دسترس بودن آن‌ها براي معامله‌گران خرد، روش جديدي به نام تابلوخواني معاملات در بورس تهران مورد توجه قرار گرفته است. اساس اين روش استفاده از داده‌هاي معاملاتي روزانه و لحظه‌اي بازار مانند ارزش معاملات حقيقي، حقوقي و قيمت سهام است. هدف مقاله حاضر پيش‌بيني قيمت اختيار خريد سهام قابل معامله در بورس تهران به‌عنوان متغير هدف است. به اين منظور از داده‌هاي معاملاتي روزانه، چهار اختيار خريد سهام كه داراي ارزش معاملات بالا و پيوسته بودند، براي پيش‌بيني درصد تغييرات قيمت آن‌ها در روز بعد استفاده شد. با توجه به هم‌بستگي روند قيمتي هر اختيار با سهام پايه آن، داده‌هاي سهام پايه هركدام نيز به‌عنوان متغير ورودي به كار رفته است. با تركيب روش‌هاي مختلف انتخاب ويژگي با انواع مدل‌هاي يادگيري ماشين، عميق (LSTM) و آماري (ARIMA) به بررسي رابطه بين داده‌ها با متغير هدف پرداخته شد كه درمجموع ، شامل هشت روش انتخاب ويژگي و چهارده مدل يادگيري ماشين، عميق و آماري بود. نتايج نشان داد داده‌هاي معاملاتي سهم پايه نيز اهميت بالايي در تغيير يا تأييد روند قيمت اختيار دارد؛ به‌طوري‌كه قدرت خريداران حقيقي بيشترين فراواني تكرار را در خروجي نتايج روشهاي مختلف انتخاب ويژگي داشت. (به‌طوري‌كه قدرت خريداران حقيقي به دفعات بيشتري در خروجي نتايج روشهاي مختلف انتخاب ويژگي تكرار شد). روش تركيبي يادگيري عميق با همه روش‌هاي انتخاب ويژگي به‌جز روش Autoencoder، خطاي كمتري در مقايسه با تركيب روش‌هاي يادگيري ماشين و آماري داشت. بااين‌حال، ساير تركيبات با اطمينان قابل قبولي همراه نبودند.