27607

طراحي و بهينه‌سازي استراتژي‌هاي معاملاتي خودكار(اكسپرت) در بازارهاي مالي جهان با به كارگيري الگوريتم ژنتيك و ابزارهاي تكنيكال

كارشناسي ارشد

مهندسي صنايع، گرايش سيستم‌هاي كلان

ورودي مهر 1398 (1401-1398)

1401/07/17

دكتر سيد جعفر سجادي

-

پيشرفت

معامله‌گران بازارهاي مالي جهان، از بازار سهام و جفت ارزها گرفته تا بازارهاي كالايي نظير طلا و نفت و نيز بازارهاي نوپايي مثل ارزهاي ديجيتال، همواره نيازمند ابزارها و سيستم‌هاي قدرتمندي براي انجام تصميم گيري‌هاي لحظه‌اي خود بوده‌اند. در دهه گذشته رفته رفته سرمايه‌گذران به سمت استفاده از تكنولوژي‌‌هاي جديدتر و بكارگيري هوش مصنوعي در معاملات حركت كرده‌اند. از مهمترين مسائل روز دنياي مالي ميتوان به طراحي مدل‌هايي براي انجام خودكار معاملات اشاره كرد. اين مدل‌هاي خودكار قادر خواهند بود، در طول زمان و برحسب شرايط مختلف بازار به صورت پويا عمل كرده و با بكارگيري الگوريتم‌هاي خود اقدام به تصميم‌گيري در مورد خريد يا فروش يك دارايي بكنند. در اين پژوهش با استفاده همزمان از شاخص‌هاي تكنيكالي پركاربرد و نيز الگوريتم‌ ژنتيك مدل‌هاي معاملاتي خودكار توسعه داده ميشود. براي ساخت شاخص‌هاي تكنيكالي از داده‌هاي قيمتي گذشته بازار استفاده خواهد شد. ابتدا بستري قاعده‌مند از انواع شاخص‌هاي تكنيكالي تعريف كرده و سپس با استفاده از الگوريتم ژنتيك و براساس آماره‌هايي نظير سود خالص هر مدل، تركيبات مختلف آن‌ها، روي دارايي‌ مورد نظر را بدست مي‌آوريم. در واقع با بكارگيري تحليل، مقايسه، استنتاج و تركيب، فضاي مسئله را كوچكتر ميكنيم. پس از رسيدن به يك يا چند تركيب دلخواه، براي به دست آوردن بهترين تركيب از پارامترهاي مورد استفاده براي توليد هر مدل معاملاتي، مجدد با استفاده از الگوريتم ژنتيك بهينه سازي ميكنيم. از اين مدل‌هاي معاملاتي خودكار به عنوان ربات‌هاي معاملاتي نيز ياد ميشود. ‌اين ربات‌ها كاملا خودكار عمل ميكنند. همچنين اين توانمندي را دارند كه براساس شرايط مختلف بازار تشخيص دهند كه در چه قيمتي وارد شده و در چه قيمتي خارج شوند. در اين پژوهش به صورت موردي ربات‌هايي براي انجام خودكار معاملات روي اونس طلاي جهاني، نفت سبك آمريكا، بيت‌كوين و اتريوم طراحي شده و به تفصيل به نحوه ساخت وچگونگي عملكرد آنها در دورههاي آموزش و آزمايش پرداخته خواهد شد. نتايج اين پژوهش نشان ميدهد كه استفاده همزمان از شاخص‌هاي تكنيكالي و الگوريم ژنتيك براي ساخت مدل‌هاي معاملاتي خودكار تاثير قابل توجهي در افزايش بازدهي و كاهش سطح ريسك سرمايه‌گذاران دارد.

1401/10/07

Generate and optimization of automated trading strategies (expert) in world financial markets by using genetic algorithms and technical tools

10/9/2023 12:00:00 AM

Traders in the world's financial markets, from the stock market and currency pairs to commodity markets such as gold and oil, as well as emerging markets such as digital currencies, have always needed powerful tools and systems to make their momentary decisions. In the last decade, investors have gradually moved towards the use of newer technologies and the use of artificial intelligence in transactions. One of the most important issues in the financial world is the design of models for automatic trade. These automatic models will be able to act dynamically over time and according to different market conditions and use their algorithms to make decisions about buying or selling an asset. In this research, automatic trading models are developed by simultaneously using widely used technical indicators and genetic algorithm. The past price data of the market will be used to build technical indicators. First, we define a regular base of various technical indicators and then, using genetic algorithm and based on statistics such as the net profit of each model, we obtain their various combinations on the desired asset. In fact, by using analysis, comparison, inference and combination, we make the problem space smaller. After reaching one or more desired combinations, in order to obtain the best combination of parameters used to produce each trading model, we optimize again using the genetic algorithm. These automatic trading models are also known as trading robots. These robots work fully automatically. They also have the ability to determine at what price to enter and at what price to exit based on different market conditions. In this research, robots are designed for automatic transactions on the ounce of global gold, US light oil, Bitcoin and Ethereum, and the way they are made and how they work will be discussed in detail in training and testing courses. The results of this research show that the simultaneous use of technical indicators and genetic algorithm to build automatic trading models has a significant effect on increasing efficiency and reducing the risk level of investors.

استراتژي معاملاتي خودكار , تحليل تكنيكال , بازارهاي مالي , الگوريتم ژنتيك

Automatic trading strategy , technical analysis , financial markets , genetic algorithm

Ashkan Keyhanian

Dr Jafar Sajjadi