عنوان پایان‌نامه
بکارگیری مکانیزم تصمیم گیری پیشرفته بر اساس قواعد برنامه نویسی ژنتیک برای ایجاد سیگنال های معاملات سهام در بورس اوراق بهادار تهران
- رشته تحصیلی
- مهندسی مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 80931;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 80931
- تاریخ دفاع
- ۲۹ شهریور ۱۳۹۵
- دانشجو
- محمد رضاپور
- استاد راهنما
- سعید فلاح پور
- چکیده
- تعیین قواعد معاملاتی در بازار سهام همواره یک موضوع چالشی و مهم برای فعالان بازار سرمایه در سراسر جهان بوده است. در دهه اخیر با پیشرفت تواناییهای کامپیوتری در به کارگیری الگوریتمهای یادگیری ماشینی استفاده از این الگوریتم ها در پیش بینی بازار سهام مرکز توجه محققین بوده است. با توجه به اینکه امروزه آشنایی و استفاده از شاخصهای تحلیل تکنیکال با توجه به ساده تر بودن آنها نسبت به تحلیل بنیادی ، در میان سرمایهگذاران رو به افزایش است، در این پژوهش با استفاده از شاخصهای تکنیکال ، یک برنامه نویسی شبکه ژنتیک برای استخراج قواعد معاملاتی توسعه داده شده است که در دوره تکامل خود با مواجهه با شرایط گوناگون بازار قواعد متنوعی را استخراج و ذخیره مینماید. در این پژوهش، 20 سهم از بین شرکتهای حاضر در مجموعه 50 شرکت فعالتر انتخاب شده تا به استخراج قواعد جهت معاملات با بازدهی بیشتر در بازار بورس تهران دست یابیم. سپس قواعد حاصل بر روی تمام 50 شرکت اعمال شده است. مطالعات بر روی دادههای تاریخی مربوط به سال های1387 تا 1394 در بازار بورس تهران است.
- Abstract
- Determine the rules of trading on the stock market is always a challenge and an important subject to capital market participants around the world. In recent decades, advances in computer capabilities in applying machine learning algorithms use these algorithms to predict the stock market has been the focus of researchers. Given that the familiarity and use of technical analysis indicators due to its easier than fundamental analysis,among investors is on the rise. In this study, using technical indicators, a genetic network programming has been developed to extract Trading Rules that faced with a variety of conditions that have evolved with the market to extract and save the various rules. In this study, 20 of the companies currently active in 50 selected collection to extract rules for transactions with greater efficiency achieved in the Tehran Stock Exchange. The resulting rules are applied on all 50 companies. Studies on historical data relating to the years 1387 to 1394 in Tehran Stock Exchange.
