30554

پيش‌بيني بازار مالي فاركس با استفاده از الگوريتم‌هاي هوش مصنوعي

كارشناسي ارشد

مهندسي صنايع

1400

1402/11/29

دكتر عليرضا علي‌احمدي

مهندسي صنايع

امروزه طيف گسترده از بازارهاي مالي به وجود آمده‌اند از جمله اين بازارها مي‌توان به بازار رمزارز، بازار فاركس يا بازار تبادل جفت‌ارزها، بازار سرمايه و بورس اشاره كرد. با پيشرفت روزافزون تكنولوژي بخصوص هوش مصنوعي و مشتقات آن كاربرد اين حوزه در بازارها مالي موردتوجه بسياري از محققان قرار گرفته است. باتوجه‌به اينكه عوامل مختلفي در پيش‌بيني بازارهاي مالي مؤثر هستند در اين تحقيق ما سعي بر آن داريم تا با كمك روش‌هاي هوش مصنوعي بتوانيم پيش‌بيني درستي نسبت به بازارهاي مالي (فاركس) و حركت آن به دست آوريم. در اين تحقيق از مدل CRISP جهت بهبود مدل‌ها و پيشبرد آن استفاده شده است. روش پيشنهادي در اين مقاله بهبود عملكرد استراتژي معاملاتي است. از استراتژي معاملاتي در اين پژوهش جهت برچسب‌زني داده‌ها استفاده مي‌شود. پس از ليبل زني مدل پيشنهادي مقاله با الگوريتم‌هاي مختلف طبقه‌بندي پياده‌سازي مي‌شود و در نهايت آن به بررسي نتايج به‌دست‌آمده پرداخته خواهد شد. يافته‌هاي به‌دست‌آمده در اين تحقيق نشان‌دهنده اين هستند كه با استفاده از مسئله چندطبقه‌اي (MULTI class classification) مي‌توان دقت مدل را تا حدود 85 ردصد افزايش داد كه در پيش‌بيني بازارهاي مالي دقت قابل توجهي مي‌باشد. در روش ديگر كه در اين پژوهش پياده سازي شده است مدل به دو ديتا ست خريد و فروش تقسيم مي‌شود و مدل‌ها بر روي اين ديتاست اجرا خواهند شد. نتايج در اين بخش درصد پايين‌تري را به نمايش مي‌گذارند. دقت اين مدل‌ها تقريباً ميان 70 الي 80 درصد را نشان مي‌دهد.

1402/12/07

forex market prediction using machine learning algorithms

1/1/1900 12:00:00 AM

Today, a wide range of financial markets have emerged, among these markets, we can mention the cryptocurrency market, the forex market, the capital market, and the stock market. With the increasing progress of technology, especially artificial intelligence and its derivatives, the application of this field in financial markets has attracted the attention of many researchers. Considering that various factors are effective in predicting the financial markets, in this research, we are trying to get a correct prediction about the financial markets (forex) and its movement with the help of artificial intelligence methods. In this research, CRISP model is used to improve the models and advance it. The proposed method in this article is to improve the performance of the trading strategy. Trading strategy is used in this research to label data. After labeling, the proposed model of the article will be implemented with different classification algorithms, and finally, the obtained results will be analyzed. The findings obtained in this research show that by using the multi-class classification problem, the accuracy of the model can be increased to about 85%, which is a significant accuracy in predicting the financial markets. In another method that has been implemented in this research, the model is divided into two data sets, buying and selling, and the models will be implemented on this data set. The results in this section show a lower percentage. The accuracy of these models is approximately between 70 and 80 percent.

بازار مالي , پيش‌بيني , فاركس , يادگيري ماشين , يادگيري عميق , استراتژي معاملاتي

Financial market , forecasting , forex , machine learning , deep learning , trading strategy

Ali Tajbakhsh

Alireza Aliahmadi