استراتژی خرید و فروش در بازار بورس ایران با استفاده از مدل‌ های یادگیری ماشین همراه با انتخاب ویژگی به کمک الگوریتم جستجوی فاخته

در کشور ایران، بازار بورس با شرایط متفاوتی نسبت به بازارهای بورس جهان روبه‌رو است. یکی از مهمترین چالش ‌های این بازار، عدم شفافیت در اطلاعات بازار و اطلاعات شرکت‌های معامله‌کننده است. همچنین، عدم وجود داده‌های تاریخی مناسب و کامل برای استفاده در الگوریتم‌های پیش‌بینی، از دیگر چالش‌های مهم است. در پیش‌بینی قیمت سهام، با توجه به تعاملات پویای بورس و تغییر قیمت‌ها در بازه‌های زمانی کوتاه، استفاده از هوش مصنوعی به عنوان یک ابزار قدرتمند در پیش‌بینی قیمت‌ها و تصمیم‌گیری‌های مربوط به خرید و فروش سهام مورد استفاده قرار می‌گیرد. در این مقاله، روشی مبتنی بر یادگیری ماشین شامل 5 مرحله برچسب گذاری داده‌ها، استخراج ویژگی، انتخاب ویژگی، طبقه‌بندی و ارائه سیگنال ارائه شده است. برای این منظور ابتدا استخراج ویژگی‌های مختلف تکنیکالی از داده‌های قیمتی صورت گرفته است و با استفاده از روش برچسب‌گذاری آستانه‌ای، داده‌ها برچسب‌گذاری شده‌اند. سپس مدل‌های یادگیری ماشین مختلف بر روی این داده‌ها آموزش دیده و در خروجی سیگنال خرید و فروش را ارائه می‌دهند. برای بهبود عملکرد مدل یادگیری ماشین، انتخاب ویژگی با استفاده از الگوریتم جستجوی فاخته انجام شده است. به منظور ارزیابی روش پیشنهادی از داده های چند ساله بورس ایران و از شاخص‌های مختلف استفاده شده است. نتایج حاصل از ارزیابی نشان‌دهنده کارایی روش پیشنهادی می‌باشد.