مدلي هوشمند براي پيش‌ بيني روند سهام با استفاده از روش‌ هاي تحليل تكنيكال

Developing an Intelligent Model to Predict Stock Trend Using the Technical Analysis

هدف: هدف اين پژوهش پيش بيني روند با روش هاي تحليل تكنيكال پيش بيني سهام و روش هاي هوشمند يادگيري ماشين است و براي پيش بيني بر روي شاخص كل كار مي‌شود. روش: اين پژوهش، شامل مراحلي است كه در ادامه مي آيد: ابتدا داده هاي مورد نياز جمع آوري مي شوند سپس به 25 روش تحليل داده مي شوند، سپس از ميان اين 25 روش ده روش با اولويت طبق روش انتخاب ويژگي كاهش ابعاد، انتخاب مي شوند، خروجي اين مرحله به پنج روش هوشمند يادگيري ماشين، ماشين بردار پشتيبان خطي، ماشين بردار پشتيبان كرنل گوسي، درخت تصميم، نزديك ترين k همسايه و نئيو بيز داده مي شود. سپس، براي تصميم گيري نهايي از روش راي اكثريت استفاده شده است. يافتهها: در نهايت اين نتيجه حاصل شد كه روش پيشنهادي به طور متوسط نرخ پيش بيني صحيح 97 درصد دارد. نتيجهگيري: مزاياي روش پيشنهادي به اين شرح است: روش پيشنهادي در استفاده از روش هاي تحليل تكنيكال محدوديتي ندارد. روش انتخاب ويژگي بر روي روش هاي تحليل تكنيكال اعمال شده و روش هاي تحليل تكنيكال با اولويت انتخاب شده اند.

Objective: The aim of this study is to predict trend in stock using both analytical methods of stock prediction and intelligent machine learning methods on the case study of the Tehran Stock Exchange index. Methods: The proposed method consists of the following steps: at first, required data are collected. Afterwards, the data are evaluated using 25 analytical methods certified by Tehran stock exchange, Inc. Then, 10 highest rank methods are selected based on feature selection technique leading to a decrease in dimensions. Results: The output of the final step is given to five intelligent machine learning methods, i.e., linear support vector machines, Gaussian kernel support vector machines, decision trees, Naïve Bayes and K nearest neighbors. Conclusion: Eventually, majority voting approach is used to make the final decision. The advantage of the proposed technique is the flexibility to use any technical analysis methods which means there is almost no limitation for this approach. Moreover, the feature selection technique is utilized for technical analysis and these methods are prioritized.