|
|
توسعه یک روش هوشمند مبتنی بر شاخصهای تکنیکال فازی برای پیش بینی و معامله نرخ برابری یورو- دلار
|
|
|
|
|
نویسنده
|
صادقی علیرضا ,دانشور امیر ,معدن چی زاج مهدی
|
منبع
|
مهندسي مالي و مديريت اوراق بهادار - 1399 - شماره : 45 - صفحه:177 -198
|
چکیده
|
امروزه بازار فارکس بزرگترین بازار مالی در دنیا میباشد. تعیین استراتژی مناسب برای خرید یا فروش در بازار فارکس بر پایه پیش بینی از روند قیمت ها استوار است.لذا برای انتخاب یک استراتژی مناسب در فارکس، استفاده از مدل های پیچیده فراابتکاری استفاده می شود. در این تحقیق با پیش بینی روند بازار و بر اساس قواعد معاملاتی مبتی بر شاخصهای تکنیکال فازی روش جدیدی را برای سرمایهگذاری در بازار فارکس ارائه می کند. برای پیش بینی، ترکیبی از الگوریتم ماشین بردار پشتیبان ترکیبی (hsvm) و برای طبقه بندی بازار در سه کلاس مختلف ( روند صعودی، روند نزولی، بدون روند) و یک الگوریتم پویای ژنتیک برای بهینه سازی قواعد معاملاتی استفاده شده است . برای تعیین قواعد معاملاتی از 5 شاخص تکنیکال فازی استفاده شده است.داده های جفت ارز یورو به دلار، در یک بازه زمانی روزانه بین سال های 2010 تا 2019 به عنوان داده های آموزش و آزمون استفاده می شود. نتایج بدست آمده در مقایسه با روش های سنتی نتایج امیدوارکننده ای داشته است
|
کلیدواژه
|
فارکس، ماشین بردار پشتیبان، شاخصهای تکنیکال فازی، الگوریتم ژنتیک
|
آدرس
|
دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران, گروه مدیریت مالی, ایران, دانشگاه ازاد اسلامی واحد الکترونیکی تهران, گروه مدیریت فناوری اطلاعات, ایران, دانشگاه آزاد اسلامی واحد الکترونیکی تهران, گروه مدیریت مالی, ایران
|
پست الکترونیکی
|
madanchi@iauec.ac.ir
|
|
|
|
|
|
|
|
|
Development of an intelligent method based on fuzzy technical indicators for predicting and trading the euro-dollar exchange rate
|
|
|
Authors
|
sadeghi alireza ,Daneshvar amir ,Madanchi Zaj Mahdi
|
Abstract
|
Today, the Forex market is the largest financial market in the world. Determining the right strategy for buying or selling in the Forex market is based on predicting the price trend. Therefore, to choose a suitable strategy in Forex, complex metaheuristic models are used. In this research, by predicting the market trend and based on trading rules based on fuzzy technical indicators, a new method for investing in the Forex market is presented. For forecasting, a combination of hyper support vector machine (HSVM) algorithm is used and for market classification in three different classes (uptrend, downtrend, sideway) and a dynamic genetic algorithm is used to optimize trading rules. Five fuzzy technical indicators have been used to determine the trading rules. Eurodollar pair data is used as daily training and test data for a daily period between 2010 and 2019. The results obtained compared to traditional methods have had promising results.
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|