بهينه‌سازي الگوريتم معاملات زوجي پربسامد با استفاده از تلفيق الگوريتم ژنتيك و كنترل فرايند آماري فازي

Optimization of High-frequency Pair Trading Algorithm Using a Combination of Genetic Algorithm and Fuzzy Statistical Quality Control

در پژوهش حاضر مسئله اصلي بهبود عملكرد الگوريتم معاملات زوجي پربسامد با استفاده از تلفيق الگوريتم ژنتيك و كنترل فرايند آماري فازي است. براي اين منظور دو فرضيه توسعه داده شده است. جامعه آماري شركت‌هاي پذيرفته شده در بورس اوراق بهادار تهران هستند كه نمونه آماري به‌واسطه نياز به معاملات پربسامد از 50 شركت برتر محدود شده و از اين ميان 33 سهم در 9 صنعت انتخاب شدند. پس از پياده‌سازي سه روش پايه، كنترل فرايند آماري فازي و روش تركيبي ژنتيك الگوريتم - كنترل فرايند آماري فازي نتايج عملكرد روش‌ها با يكديگر مقايسه شدند. نتايج نشان داد، در روش پايه 43/100% بازده، در روش كنترل فرايند آماري فازي 55/28% بازده و در روش تركيبي ژنتيك الگوريتم - كنترل فرايند آماري فازي ميانگين بازده 63/59% كسب شده است. در آزمون تي صورت‌گرفته بين بازده حاصل از روش‌هاي پايه و كنترل فرايند آماري فازي و همچنين روش‌هاي پايه و روش تركيبي ژنتيك الگوريتم - كنترل فرايند آماري فازي تفاوت آماري معني‌داري وجود دارد. بر اساس نتايج مدل كنترل فرايند آماري فازي و الگوريتم ژنتيك كه افزايش قابل تأملي نسبت به مدل‌هاي پيشين در افزايش متوسط بازدهي داشته است.

In this study, the main problem is to improve the performance of the high-frequency pair trading algorithm by using a combination of genetic algorithm and fuzzy statistical quality control. For this purpose, two hypotheses have been developed. The statistical population is companies listed on the Tehran Stock Exchange, that statistical sample was limited to the top 50 companies due to the need for high-volume transactions, and 33 shares in 9 industries were selected. After implementing three basic methods, fuzzy statistical quality control and the combined genetic algorithm-fuzzy statistical quality control method, the performance results of the methods were compared with each other. The results showed that in the basic method 43.10% return, in the fuzzy statistical quality control method 55.58% return and in the combined genetic algorithm-fuzzy statistical quality control method the average return was 63.59%. In t-test, there is a statistically significant difference between the specific performance of the basic methods and fuzzy statistical quality control, as well as the basic methods and the combined genetic-fuzzy statistical algorithm quality control. Based on the results of fuzzy statistical quality control model and genetic algorithm, which has a significant increase compared to previous models in increasing the average return.