ارائه مدلی جهت پیش‌بینی و انجام معاملات سهام با استفاده از روش یادگیری عمیق

در سالیان گذشته کارشناسان مالی همواره دنبال روش‌ها و تکنیک‌های متفاوتی بوده تا به وسیله آن بتوانند در رابطه با خرید، فروش و یا عدم انجام معامله یک سهم تصمیم‌گیری نمایند. در واقع همواره سرمایه‌گذاران در بازار سهام به دنبال راهی برای یافتن چرخه‌ی زمانی مناسب برای معامله‌ی سهام در قیمت‌های بهینه هستند. تحلیل‌گران بازار سرمایه معتقدند که بیشتر اطلاعات مربوط به سهام در قیمت های اخیر منعکس ‌‌می‌شود. بنابراین اگر روند حرکات مشاهده و بررسی شود، بر این اساس قیمت ها قابل پیش بینی هستند. در پژوهش نیز تلاش شده است تا با ارائه مدلی جهت پیش‌بینی سهام اقدام شود. با ارائه ی مدل الگوریتم معاملاتی با ترکیب شبکه‌های عصبی cnn-lstm که از محبوب‌ترین شبکه‌های عصبی یادگیری عمیق هستند، جهت پیش‌بینی روند قیمت و تعیین نقاط خرید و فروش سهام اقدام شده است. به طور کلی 36 پارامتر به عنوان داده های ورودی جهت تصویر سازی مورد استفاده قرار گرفته است که پارامتر قیمت پایانی، حجم معاملات صورت گرفته و 34 اندیکاتور که داده های آن به صورت روزانه می باشد انتخاب شده است. نتایج حاصل شده از شبکه عصبی ترکیبی نشان می‌دهد به صورت میانگین دقت مدل برای پیش‌بینی نماد برابر با 75% بوده است. همچنین بررسی پارامترهای recall و precision نشان می‌دهد بیش برازش در مدل رخ نداده است. بررسی معاملات در بازه 3 ساله مورد نظر نشان از بازدهی بالای معاملات می‌دهد.