دانلود مقاله ترجمه شده یک مدل شبکه عصبی پیشرفته جهت زمانبندی بازار سهام بر مبنای تکنیک سرمایه گذاری باستانی نمودار شمعی ژاپنی

این مقاله یک مدل جدید را برای انجام زمانبندی بازار سهام، بر مبنای یک شبکه عصبی پیش خور پایش شده و تحلیل تکنیکال نمودار شمعی ژاپنی ارائه می­دهد. در این رویکرد، شبکه مربوطه قصد ندارد تا خطوط نمودار شمعی را به تنهایی یا در ترکیب بیاموزد، بلکه قصد دارد تا نوعی از مدل رگرسیون را ارائه دهد که متغیرهای مستقل آن نشانه ­ها و فاکتورهای مهم الگوهای تحلیل تکنیکال هستند؛ و متغیر وابسته آن روند بازار در آینده نزدیک است. در تعریف متغیرهای مستقل، دو رویکرد اتخاذ می­شوند؛ یکی مبتنی بر داده ­های خام و دیگری سیگنال محور، که به ترتیب از 15 و 24 متغیر برخوردارند. یافته­ های آزمایشگاهی، که در آنها سیگنال­ های برآورد شده با رویدادهای واقعی طبق داده ­های روزانه واقعی منتشر شده در سایت Yahoo.finance مقایسه می­شوند، نشان دادند که پایگاه ­های مدل پیشنهادی در انتشار سیگنال ­های خرید و فروش عملکرد بسیار خوبی دارند، درحالیکه ظاهرا رویکرد اول تا حدی از رویکرد دوم بهتر است.

-1مقدمه

انتخاب پرتفوی یکی از بزرگترین چالش­ها در حوزه مالی است، و معامله گران سهام همواره به دستیاران قوی­تری برای تصمیم­گیری نیازمند هستند. زیرا، اولا مقدار سرمایه ثابت است؛ دوما تعداد زیادی از گزینه ­های سرمایه­ گذاری­ رقیب وجود دارند و سوما قیمت ­های سهام به شکلی شگفت آور متفاوت هستند. در چنین وضعیت ­هایی، جهت هدایت انتخاب و زمانبندی فرایند سرمایه ­گذاری، اهل فن به یکی از دو چارچوب اصلی، یعنی تحلیل بنیادین و تحلیل تکنیکال (TA) اتکا می­کنند، درحالیکه هیچکدام از آنها برتری کاملی نسبت به دیگری ندارند…