۱۹۰۵۷پ
per
مقایسه عملکرد الگوریتم جنگلهای تصادفی با الگوریتم شبکه عصبی عمیق در استراتژی آربیتراژ آماری
/فرانک پورکیوان
: اقتصاد، مدیریت و بازرگانی
، ۱۳۹۶
، میرزائی
چاپی
کارشناسی ارشد
MBA گرایش مدیریت مالی
۱۳۹۶/۱۱/۱۵
تبریز
در سال های اخیر، یادگیری ماشین رشد فوق العاده ای در زمینه روش ها و کاربردهایش داشته است که به موازات آن توجه روز افزون به این تکنیک به وقوع پیوسته است .تحولات جدید در حوزه یادگیری عمیق امکان به کارگیری آن در سطوح مختلف را فراهم آورده و به عنوان جایگزین مناسب روش های دیگر لحاظ شده است، به همین علت در زمینه های مختلف از جمله مسائل مالی قابل اعمال می باشد .در این تحقیق به آنالیز اثر بخشی الگوریتم جنگل های تصادفی در زمینه آربیتراژ آماری می پردازیم .همچنین برای سنجش عملکرد الگوریتم جنگلهای تصادفی در زمینه آربیتراژ آماری نسبت به دیگر مدل های ارائه شده در پژوهش های پیشین، مقایسه نتایج بدست آمده از کاربرد این الگوریتم با الگوریتم شبکه های عصبی عمیق انجام می شود .مدلهای مورد نظر با اطلاعات مربوط به قیمت سهام آموزش داده می شود و خروجی بدست آمده از این تکنیک، سهام را بر اساس موقعیت خرید و فروش طبقه بندی می کند .با استفاده از این استراتژی موقعیت های سود آوری در بازار سهام برای کسب سود شناسایی می شود .نتایج نشان داد مدل جنگل های تصادفی دارای خطای طبقه بندی کمتری نسبت به مدل شبکه عصبی عمیق می باشد .جامعه آماری در این پژوهش ۵۰ شرکت برتر پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی ۱۳۹۰ الی ۱۳۹۵ است و نمونه آماری پژوهش حاضر، شرکت‌صهایی انتخاب شده است که در بازه‌صی زمانی ذکر شده، بیش از سه مرتبه از طرف سازمان بورس اوراق بهادار، جزو ۵۰ شرکت برتر بورس معرفی شده‌صصاند، می باشد .ابزار مورد استفاده نرم افزار R است
In recent years, machine learning has grown tremendously in terms of its applications, which has been accompanied by an increasing attention to this technique. New developments in the field of machine learning make it possible to apply it at different levels and is considered as an alternative to other methods, which is why it can be applied in various fields, including financial affairs. In this research, we analyze the effectiveness of random forest algorithm in the field of statistical arbitrage. Also, to measure the performance of the random forest algorithm in the field of statistical arbitrage compared to other models presented in previous studies, comparison of the results obtained from the application of this algorithm with deep neural network algorithm is performed. The models are taught with stock price information and the output derived from this technique classifies stocks based on the position of sales and sales. Using this strategy, profitable positions in the stock market are identified for profit. The statistical population of this research is the top 50 companies accepted in Tehran Stock Exchange between 1390 and 1395. The statistical sample of this study is selected companies that have been listed more than three times by the organization The Stock Exchange is among the top 50 listed companies
پورکیوان، فرانک
فضل زاده، علیرضا، استاد راهنما
حقیقت، جعفر، استاد مشاور
سیاه و سفید
نمایه‌سازی قبلی
