بخشی از مقاله
چکیده
پیشبینی قیمت در بازار بورس، به علت تعداد زیاد عوامل تاثیرگذار و همچنین عدم امکان اندازهگیری بعضی عوامل تاثیرگذار، کاری چالش برانگیز است. در چند سال اخیر، این عمل در داخل و خارج از مرزهای ایران ، با استفاده از تکنیکهای دادهکاوی امکانپذیر شده است. اما پیشبینی روند قیمت همچنان با چالش پارامترهای قابل تنظیم روبرو است. هر چند تعداد این پارامترها چندان زیاد نمیباشد، اما به علت زمانبر بودن فرآیند آموزش دسته بند و غیرخطی بودن خروجی نسبت به متغیرهای وابسته و پیوسته بودن پارامترها، استفاده از الگوریتمهای تکاملی برای تنظیم پارامتر کاملا مقرون به صرفه است. در این مقاله به تنظیم این پارامترها، با استفاده از الگوریتمهای تکاملی پرش قورباغه و ژنتیک پرداخته شده است. تنظیم پارامتر باعث بهبود % 21 در عملکرد معیار F1 در پیشبینیها شده است. علاوه بر این، با مقایسه الگوریتم به نسبت جدید پرش قورباغه با الگوریتم ژنتیک، مزایای این الگوریتم نشان داده شده است.
مقدمه
عوامل بسیار زیاد و متنوعی در تعیین قیمت یک سهم در بازار بورس، دخیل هستند. قیمت در بازار بورس، نه تنها به عملکرد خود شرکت، بلکه به متغیرهای مربوط به اقتصاد کلان و اقتصاد خرد، و حتی در مواردی، عوامل سیاسی وابسته است. بنابراین به طور کلی پیشبینی قیمت حتی برای انسان هم کاری چالش برانگیز است، به هر حال اگر انسان به درستی و با صحت کامل میتوانست قیمت را پیشبینی کند، کسی در بازار بورس ضرر نمیکرد.
به طور کلی برای پیشبینی قیمت، از سه شیوه استفاده میشود: قیمتگذاری با استفاده از متغیرهای اقتصاد خرد و کلان، پیشبینی روند قیمت با استفاده از سریهای زمانی - Atsalakis & Valavanis, 2009; Chang et al, 2012 - و پیش- بینی روند قیمت با استفاده از اخبار . - Nizer & Nievola, 2012; Shayanfar & Derhami, 2015a - تعیین ارزش یک تجارت با استفاده از متغیرهای اقتصاد خرد و کلان در حوزه علم اقتصاد قرار میگیرد، در مقابل پیشبینی با استفاده از سری زمانی، که در آن تنها از متغیرهای استخراج شده از سری زمانی استفاده میشود و به تحلیل فنی یا تکنیکال معروف است، با استفاده از روشهای هوشمند امکان پذیر است و برای چندین ده سال ادامه داشته است .
- Chen et al , 2007 - اما با عمومی شدن اینترنت، اخبار مربوط به بورس در کوتاهترین زمان ممکن در اینترنت منتشر میشوند و در نتیجه پیشبینی قیمت با استفاده از سیستمهای اتوماتیک کامپیوتری و به شکل هوشمند امکانپذیر شده است . - Hagenau et al, 2013 - چنین سیستمهای هوشمندی از مزایای سرعت واکنش بالا نسبت به اخبار برخوردارند، که این سطح از سرعت حتی در انسان هم دیده نمیشود. از مزایای دیگر چنین پیشبینیکنندههایی میتوان به عدم دخالت شرایط روحی و پیشداوریهای ذهنی بر روی تصمیم خرید و یا فروش، اشاره کرد . - Shayanfar & Derhami, 2015b -
معمولا بسیاری از سیستمها و الگوریتمهای دستهبند، تعدادی پارامتر قابل تنظیم دارند. و در صورت تنظیم نشدن این پارامترها، الگوریتم به حداکثر بازدهی خود نمیرسد. به عنوان مثال، در - مهدیپور و همکاران, - 2011، نویسندگان به تنظیم پارامتر دما در طراحی واحد بازیافت گوگرد پرداختهاند و نتیجه گرفتهاند که با تنظیم دما میتوان راندمان کوره را افزایش داد. در - رحیم پور و همکاران, - 2008، نویسندگان پارامترهای یک ترانسفورماتور را با استفاده از الگوریتم ژنتیک تنظیم کردهاند و با این کار به شبیهسازی دقیقتری از تابع تبدیل ترانسفورماتور دست پیدا کردهاند.
در بازار سرمایه هم، در - عباسی و همکاران, - 2015، نویسندگان با استفاده از الگوریتم تکاملی بهینهسازی گروه ذرات1، توانستهاند بازدهی تعدادی از سهمها را به طور متوسط %8 در بازار بورس تهران افزایش بدهند. از دیگر کاربردهای الگوریتمهای تکاملی در تنظیم پارامتر، میتوان به بهینه-سازی پارامترهای دستهبند ماشین بردار پشتیبان2اشاره کرد . - Imbault & Lebart, 2004 - در پیشبینی روند قیمت با استفاده از اخبار، 5 پارامتر اصلی وجود دارد: - 1 مدت زمان سپری شده برای تنظیم خبر - Minute - - 2 حداقل/ حداکثر تغییر قیمت برای تنظیم خبر - Alpha - - 3 متوسط تغییر قیمت برای تنظیم خبر - Beta - - 4 تعداد ویژگیهای انتخاب شده برای دستهبندی - - Feature count - 5 هزینه یا ضریب جریمه در دستهبند ماشین بردار پشتیبان - C - در این مقاله به بهینهسازی این پارامترها با استفاده از الگوریتمهای تکاملی پرداختهایم. در صورتی که تعداد این پارامترها از 1 یا 2 پارامتر تجاوز نکند،
بهینهسازی آنها به صورت دستی و یا با استفاده از جستجوی شبکهای میسر است. اما با بیشتر شدن تعداد پارامترها این کار سخت میشود. علاوه بر این، کل فرآیند پیشبینی - شامل تنظیم اخبار، ریشه یابی و حذف کلمات پرکاربرد، استخراج ویژگی، آموزش و آزمایش دستهبند - عملی به نسبت زمانبر است و در صورت امکان اجرای هر چه کمتر فرآیند، در وقت صرفهجویی خواهد شد. علاوه بر بهینهسازی پارامترها، سعی شده است با مقایسه الگوریتم ژنتیک با الگوریتم پرش قورباغه، نقاط قوت الگوریتم پرش قورباغه پررنگ شود.
در ادامه در بخش روش تحقیق به معرفی مفاهیم اولیه پرداخته و سپس در ادامه این بخش روند کلی پیشبینی روند قیمت را توضیح داده و پارامترهای مسئله را تعریف کرده، در بخش یافتهها، نتایج را ارایه داده و در نهایت در بخش نتیجه گیری به ارایه بحث و پیشنهادات میپردازیم.
