الگوريتم‌هاي يادگيري ماشين براي سري‌هاي زماني در بازارهاي مالي

اين پژوهش در رابطه با بررسي سودمندي الگوريتم‌هاي هوشمند مختلف در حوزه يادگيري ماشين براي پيش‌بيني سري‌هاي زماني در بازارهاي مالي مي‌باشد. چالش مورد توجه در اين حوزه، اين است كه مديران اقتصادي و جامعه علمي، همچنان خواستار مدل‌هاي پيشيني با دقت بيشتري مي‌باشند. رفع چالش ياد شده موجب ارتقاي كيفيت پيش‌بيني و به جهت آن، سودآوري و بهره‌وري بالاتري مي‌شود. راه حل پيشنهادي، تكيه بر بكارگيري الگوريتم‌هاي يادگيري ماشينِ مبتني بر رگرسيون، با تأكيد بر روش انتخاب ويژگي پيشرو، جهت يافتن بهترين متغيرهاي فني ورودي دارد. موارد ياد شده، با بكارگيري ابزارهاي يادگيري ماشين به زبان پايتون پياده‌سازي گرديدند. داده‌هاي تحقيق كه در اين پژوهش به كار گرفته شدند، اطلاعات مربوط به سهام دو شركت از بورس تهران مي‌باشند. اين داده‌ها مربوط به سال‌هاي ١٣٨٧ تا ابتداي سال ١٣٩٧ مي‌باشند. نتايج آزمايشي نشان مي‌دهند كه ويژگي‌هاي فني منتخب توسط روش پيشرو، مؤثرترين و نيز بهترين مقادير براي پارامترهاي الگوريتم‌هاي يادگيري مورد نظر را مي‌يابند. نتايج آزمايشي و تحليل‌هاي رسمي دلالت بر اين دارند كه بكارگيري ويژگي‌هاي فني منتخب ،به‌عنوان ورودي دو الگوريتم ماشين بردار پشتيبان و ماشين پرسپترون چند لايه، يك پيش‌بيني با حداقل خطا را در اختيار مي‌گذارد. ؛ اين مطلب منجر به ارائه پيش‌بيني با دقت بالاتري مي‌گردد.