آزمون عملکرد الگوریتم جنگل های تصادفی و الگوریتم شبکه عصبی عمیق در استراتژی آربیتراژ آماری

Abstract

در این تحقیق به آنالیز اثر بخشی الگوریتم جنگل­های تصادفی در زمینه آربیتراژ آماری پرداخته شده است، همچنین برای سنجش عملکرد الگوریتم جنگل­های تصادفی در زمینه آربیتراژ آماری نسبت به دیگر مدل­های ارائه شده در پژوهش­های پیشین، مقایسه نتایج بدست آمده از کاربرد این الگوریتم با الگوریتم شبکه­های عصبی عمیق انجام شده است. مدل­های مورد نظر با اطلاعات مربوط به قیمت سهام آموزش داده شده و خروجی بدست آمده از این تکنیک، سهام را بر اساس موقعیت خرید و فروش طبقه­بندی کرده است. با استفاده از این استراتژی موقعیت­های سودآوری در بازار سهام برای کسب سود شناسایی می­شود. نتایج نشان داد مدل جنگل­های تصادفی دارای خطای طبقه­بندی کمتری نسبت به مدل شبکه عصبی عمیق می باشد، بنابراین مدل جنگل­های تصادفی روش مناسب­تری برای استفاده در استراتژی آربیتراژ آماری و کسب سود می باشد.