راهبرد معاملاتی خرید و فروش سهام بر اساس الگوریتم های یادگیری رگرسیونی

هدف این پژوهش طراحی راهبرد معاملات سهام بر اساس الگوریتم های یادگیری رگرسیونی می باشد. پژوهشگر بوسیله بهره برداری از پایگاه اطلاع رسانی یاهو فاینانس ، داده های مورد نیاز پژوهش را با استفاده از برنامه نویسی در محیط نرم افزار پایتون استخراج و بر اساس آن شاخص ها و نوسان سازهای تحلیل تکنیکال را محاسبه و به عنوان مولفه های اولیه وارد مدل نموده است. در راستای ارزشیابی الگوریتم های رگرسیونی از شاخص های (ضریب تعیین ، خطای میانگین مریعات و ریشه میانگین مربعات خطا ) استفاده شده است. پژوهشگر از روش های پیشرفته آماری و نرم افزارهای پایتون ، اسپایدر ، اس پی اس اس و اکسل استفاده نموده و تفاوت بین شاخص های ارزشیابی الگوریتم های طراحی شده را به لحاظ معنی داری از طریق آزمون کروسکال والیس بررسی و راهبرد خرید و فروش سهام را معرفی می نماید. در راستای تنوع بخشی نمونه تحقیق جهت تعمیم پذیری نتایج، شرکت های فعال در حوزه حمایت مصرف کننده، خدمات ارتباطی، مراقبت های بهداشتی، خدمات مالی، تکنولوژی، چرخه مصرف کننده و انرژی در بورس نیویورک با میانگین حجم معامله بزرگتر از ۱ میلیون و ارزش بازار بزرگ تر از ۲۰۰ تریلیون دلار از طریق روش فیلترنویسی در تاریخ ۰۷/۰۴/۱۴۰۰ برابر با ۴۱ عدد به عنوان نمونه این پژوهش انتخاب و انجام تحقیق تا پایان بهمن ماه ۱۴۰۱ به اتمام رسید و مدل راهبرد معاملاتی جنگل تصادفی به عنوان مدل مناسب معرفی گردید.کلمات کلیدی: راهبرد معاملاتی، یادگیری ماشین، الگوریتم های رگرسیونی، بورس اوراق بهادار

کلیدواژه ها:

راهبرد معاملاتی ، یادگیری ماشین ، الگوریتم های رگرسیونی ، بورس اوراق بهادار