بررسی کارایی برخی از الگوریتم‌های یادگیری‌ماشین در پیش‌بینی روند در بازا‌ر فارکس

پیش‌بینی یکی از چالش‌هایی است که همیشه در بازارهای مالی وجود دارد. با افزایش حجم داده‌ها لزوم استفاده از ابزارهای مدرن‌تر به‌جای استفاده از ابزارهای کلاسیک آمار و سری‌های زمانی احساس شده است که از آن جمله می‌توان به یادگیری ماشین اشاره کرد. در این پژوهش از الگوریتم‌هایی مانند: بردار پشتیبان و ماشین سبک تقویت گرادیان، جنگل تصادفی و nu-svc برای پیش‌بینی روند جفت ارز یورو/دلار در بازار فارکس استفاده شده‌است. استراتژی معاملاتی برای موقعیت‌های مختلف در نظر گرفته شده است، که در این پژوهش کارایی و توانمندی هر یک از الگوریتم‌ها را برای پیش‌بینی این کلاس‌ها و همچنین میزان تاثیرگذاری ویژگی‌ها در پیش‌بینی روند مورد بررسی قرار گرفته است. براساس مطالعه انجام شده، نتایج عددی نشان می‌دهد که الگوریتم سبک تقویت گرادیان و جنگل تصادفی نتایج نزدیک بهم داشته‌اند و الگوریتم سبک تقویت گرادیان بهترین عملکرد را در میان الگوریتم‌های بررسی‌شده نشان داده است.