روشهای مجموعه های راف و الگوریتم های ژنتیک در سیستم ترکیبی هوشمند خرید و فروش برای کشف قوانین خرید و فروش بازارهای آتی

کشف قوانین هوشمند خرید و فروش تکنیکال از داده های پیچیده و غیرخطی بازار سهام و متعاقب آن توسعه سیستم های تصمیم یا خرید و فروش کار دشواری است. هدف پژوهش حاضر توسعه سیستم ترکیبی هوشمند خرید و فروش جهت کشف قوانین خرید و فروش تکنیکال از طریق تحلیل مجموعه راف و الگوریتم ژنتیک است. مجموعه داده های مورد استفاده شامل 30 دقیقه باز، بالا، پائین، بسته و حجم قراردادهای آتی شاخص مرکب قیمت گذاری سهام بورس اوراق بهادار در بازه زمانی1390تا 1396بود. به این منظور توصیه می گردد هنگام کشف قوانین خرید و فروش تکنیکال برای بازارهای آینده و حل مسائل بهینه سازی، گسسته سازی و کاهش داده ها، تحلیل مجموعه راف و در نهایت برای اتخاذ تصمیمات بهینه خرید و فروش رویکرد الگوریتم ژنتیک مورد استفاده قرار گیرد. برای آزمودن مدل پیشنهادی و مقایسه آن با رویکردهای متناظر، تصادفی، همبستگی و رویکردهای الگوریتم ژنتیک مداخلاتی طراحی شد. همچنین، این مداخلات جامع، بسیاری از موضوعات سیستم  خرید و فروش موجود، کاربرد روش پنجره لغزان، تعداد قوانین خرید و فروش و مدت دوره آموزشی را در برداشت. برای ارزیابی سیستم ترکیبی هوشمند مداخلاتی روی داده های تاریخی شاخص مرکب قیمت گذاری سهام بورس اوراق بهادار تهران انجام شد. به طور خاص، تحلیل عملکرد خرید و فروش بر طبق مجموعه های مقرات تصمیم و حجم دوره آموزش برای کشف قوانین خرید و فروش دوره آزمون انجام شد. یافته ها نشان داد مدل پیشنهادی در مقایسه با مدل معیار از نظر میانگین بازدهی و مقیاس ریسک تعدیل شده عملکرد بهتری داشته است.