ارائه کننده: خشایار شاهی
استاد راهنما: دکتر محمد صنیعی آباده
استاد ناظر داخلی: دکتر فوآد قادری
استاد ناظر خارجی: دکتر سامان هراتی ‌زاده (دانشگاه تهران)
استاد مشاور: دکتر مهدی رعایائی اردکانی
تاریخ: 1402/06/27
ساعت: 13:00
مکان: اتاق 710 طبقه 7 دانشکده مهندسی برق و کامپیوتر

چکیده:

معامله‌گران و سرمایه‌گذاران به طور گسترده از نماگرهای فنی برای تحلیل و تصمیم‌گیری آگاهانه در خرید و فروش دارایی‌ها استفاده میکنند. این نماگرها توابع ریاضی هستند که توسط اقتصاددانان و ریاضیدانان توسعه داده شده‌اند و از داده‌های قیمت و حجم تاریخی دارایی‌های مالی مانند سهام، ارزها یا کالاها استفاده می‌کنند.
هدف این پژوهش ایجاد نماگرهای فنی نوین برای بازارهای مالی با استفاده از الگوریتم‌های تکاملی است. روش پیشنهادی، Evolutionary Learning of Technical Indicators (ELTI)، از برنامه‌نویسی ژنتیک با کروموزوم بر پایه درخت و پیش‌بینی قیمت پایانی روز آتی به عنوان تابع برازش استفاده می‌کند. نماگرهای تولید شده توسط ELTI به صورت میانگین باعث بهبود پیش‌بینی قیمت، با کاهش خطای پیش‌بینی به میزان ۱۳.5٪ می‌شوند. در مقابل نماگرهای سنتی مانند MACD، RSI و ... که به طور متوسط به میزان ۵.3٪ نتایج را بهبود می‌بخشند. در نهایت، نماگرهای ELTI و سنتی در یک شبیه‌سازی معاملات مورد استفاده قرار می‌گیرند و نتایج نشان می‌دهد که ELTI نتایج برتری نسبت به نماگرهای سنتی و استراتژی خرید و نگهدار ارائه می‌دهد.