عنوان پایان‌نامه
بهینه سازی استراتژیک معاملات زوجی با رویکرد هم انباشتگی با استفاده از روش یادگیری تقویتی در بورس اوراق بهادار تهران
- رشته تحصیلی
- مهندسی مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 81440;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 81440
- تاریخ دفاع
- ۲۹ شهریور ۱۳۹۵
- دانشجو
- حسن حکیمیان
- استاد راهنما
- سعید فلاح پور
- چکیده
- معاملات زوجی از معروف ترین و قدیمی ترین سیستم های معاملات الگوریتمی است که کارایی و سودآوری آن در بسیاری از پژوهش هایی که تاکنون در بازارهای مالی مختلف صورت گرفته است، اثبات و نشان داده شده است. مهم ترین اصل در معاملات زوجی وجود روابط تعادلی بلندمدت یا همان خاصیت بازگشت به میانگین است. در سال های اخیر حجم قابل توجهی از تحقیقات بر روی معاملات الگوریتمی با استفاده از فراگیری ماشین ها صورت گرفته است. اما این سیستم ها اغلب دارای این محدودیت هستند که یادگیری آن ها براساس مشاهدات صورت گرفته برای مسائلی که دارای روابط و اهداف بلندمدت هستند، کافی نیست.در این پژوهش از روش یادگیری تقویتی که برای مدل سازی و بهینه سازی مسائل با انواع مختلف روابط بلندمدت مناسب است، به منظور انتخاب باندها و پنجره های زمانی مناسب با هدف ماکزیمم سازی نسبت سورتینو در معاملات زوجی با رویکرد هم انباشتگی استفاده شده است. ما مشاهده کردیم که استفاده از روش یادگیری تقویتی در طراحی سیستم معاملات در معاملات زوجی برتری چشمگیری نسبت به حالت بدون استفاده از روش یادگیری تقویتی دارد.
- Abstract
- Pairs trading is one of oldest and most popular algorithmic trading systems that till now showed and proofed those efficiency and profit in many of researches that performed in various financial markets. The main idea in pairs trading is long-run equilibrium or same Mean reversion. In recent years have performed significant amount of research on the algorithmic trading using machine learning. But some time this systems have this restrict that those learning isn’t sufficient for problems with term and long-run target. In this research we used Reinforcement learning method for selecting thersholds and suitable time windows to the maximization of sortino ratio in pairs trading with cointegration approach. We observed that using of Reinforcement learning method in designing trading system in pairs trading have higher profit compared with designing trading system in pairs trading in stable thersholds and time windos.
