پیش بینی سیگنال معاملات سهام با استفاده از شبکه های پتری رنگی و الگوریتم ژنتیک (مطالعه موردی: بازار بورس تهران)

Abstract

اتخاد تصمیم در خصوص زمان خرید یا فروش سهام مساله ای چالش برانگیز برای سرمایه گذاران جهت افزایش سود و کاهش زیان در بازار سهام است. پیش بینی روند حرکت قیمت سهام و کشف نقاط تغییر جهت روند با استفاده از تحلیل تکنیکی، بدلیل کاهش تکرر تغییرات داده ها در کوتاه مدت، معمولا روشی است که نزد تحلیلگران نسبت به روشهای پیش بینی قیمت با تکیه بر تحلیل بنیادین، ارجحیت دارد. در این مقاله یک روش ترکیبی از الگوریتم ژنتیک و شبکه های پتری رنگی برای مدلسازی شبیه سازی و پیش بینی سیگنال خرید/فروش معاملات سهام ارائه می شود. قوانین معاملات سهام با استفاده از الگوریتم ژنتیک بر اساس بیشینه کردن میزان سوددهی تعیین می شود که روی داده های 162 شرکت پذیرفته شده در بازار بورس تهران در بازه زمانی 1 فروردین 1395 تا 1 فروردین 1397 اعمال می شود. نتایج ارزیابی ها حاکی از برتری روش ترکیبی ژنتیک-شبکه پتری رنگی در تولید سیگنال درست در مقایسه با روشهای شبکه های عصبی، درخت تصمیم و رگرسیون خطی است.