طراحی سیستم معاملات تکنیکی سهام با استفاده از مدل ترکیبی شبکه عصبی mlp و الگوریتم‌های تکاملی

توسعه سیستم های معاملاتی سهام با استفاده از الگوریتم های تکاملی (ea) طی چند سال اخیر به موضوعی پرمخاطب در حوزه مالی مبدل ‌شده است. در پژوهش حاضر، سیستم معاملاتی تکنیکی هوشمند با بهره گیری از مدلی مرکب از شبکه عصبی mlp و الگوریتم‌های تکاملی شامل الگوریتم ژنتیک (ga)، الگوریتم بهینه‌سازی مورچگان پیوسته (acor) و الگوریتم بهینه‌سازی ازدحام ذرات (pso) پیشنهادشده است. داده‌های مربوط به 15 شرکت منتخب طی سال‌های 1387 تا 1396 بر اساس دوره‌های کوتاه‌مدت و بلندمدت و همچنین روندهای بازار صعودی، نزولی و خنثی موردبررسی قرار گرفته اند. جهت انتخاب متغیرهای ورودی نهایی، از مقایسه رتبه بازدهی شاخص‌های تکنیکی بر اساس قواعد معاملاتی استفاده‌شده است. درنهایت، آزمون مقایسه زوجی بازدهی مدل‌ها در مقایسه با استراتژی خرید و نگهداری انجام شد و بازدهی مدل ها با یکدیگر مقایسه شده است. نتایج تحقیق نشان می دهد مدل های ترکیبی mlp و الگوریتم های تکاملی عملکرد بهتر و معناداری نسبت به روش خرید و نگهداری و مدل mlpbp داشته است و مدل mlp_pso بازدهی بیش تری نسبت به سایر مدل ها کسب کرده است.