نام و نام خانوادگی:پیمان پیمانفرد
عنوان پایان نامه: افزایش بهرهوری معاملات اسکالپینگ بازار فارکس از روش توقف ضرر پویا با استفاده از تکنیکهای یادگیری ماشین
رشته تحصیلی:مهندسی کامپیوتر- شبکه های کامپیوتری
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر محمد رضا مصلحی
چکیده:
امروزه استفاده از یادگیری ماشین و هوش مصنوعی در بازارهای مالی یکی از پر طرفدارترین حوزهها به شمار میآید. بازار فارکس بزرگترین و یکی از پر چالشترین بازارهای مالی است که به دلیل ویژگیهای خاص و ریسک بالا، یک بازار پر خطر ولی پر سود شناخته میشود. این ایده که برای انجام معاملات از ماشینها استفاده کنیم و آنها با سرعت بالای محاسباتیای که دارند بتوانند تصمیمات معاملاتی خوبی بگیرند که موجب کسب سود از بازارها شوند موضوعی است که توجه معاملهگران و پژوهشگران زیادی را به سمت خود جلب کرده است.
در این پایاننامه، چند روش که برخی از آنها برای اولین بار مورد استفاده قرار گرفتهاند، پیشنهاد شده است. ما با تکنیک توقف ضرر پویا و سیاستهای کنترل خطای آن در ابتدا سعی میکنیم ریسک معاملات فارکس را کاهش دهیم، سپس با پیشبینی بهترین نقطه خروج، بهرهوری یا سود معاملات اسکالپینگ را افزایش میدهیم. تا آنجا که ما میدانیم برای اولین بار است که تشخیص معاملات ضررده به عنوان دیدگاه جدیدی از مدیریت سرمایه، به جای دیدگاه سنتی و مرسوم پیشبینی قیمتها در فارکس پیشنهاد میشود. همچنین برای اولین بار با یک الگوریتم Q-Learning تطبیق داده شده با موضوع، الگوهای پر قدرت بازار را شناسایی کرده و از آنها برای برچسب گذاری نمونهها استفاده میکنیم. با نمونههای برچسبدار خود یک مدل Random Forest را آموزش میدهیم که بتواند الگوهای پر قدرت آینده را شناسایی کند.
ما بر پایه روشهای پیشنهادی خود، راهبردی عملی نیز معرفی کردیم و آن را در نماد طلا/دلار بازار فارکس برای سه ماهه آخر سال 2023 آزمودیم و توانستیم تا 132% بهرهوری را افزایش دهیم. روشهای پیشنهادی خود را با چهار روش مختلف و حتی با آزمون جفت ارزهای پوند/دلار و یورو/دلار مورد ارزیابی قرار دادیم، که هر چهار روش به روشنی اعتبار نتایج ما را تأیید کردند.
کلیدواژه: فارکس، معاملات اسکالپینگ، توقف ضرر پویا، یادگیری ماشین، یادگیری تقویتی QCADesigner