پیش بینی سیگنال معاملات سهام با استفاده از شبکه های پتری رنگی و الگوریتم ژنتیک (مطالعه موردی: بازار بورس تهران)

اتخاد تصمیم در خصوص زمان خرید یا فروش سهام مساله ای چالش برانگیز برای سرمایه گذاران جهت افزایش سود و کاهش زیان در بازار سهام است. پیش بینی روند حرکت قیمت سهام و کشف نقاط تغییر جهت روند با استفاده از تحلیل تکنیکی، بدلیل کاهش تکرر تغییرات داده ها در کوتاه مدت، معمولا روشی است که نزد تحلیلگران نسبت به روشهای پیش بینی قیمت با تکیه بر تحلیل بنیادین، ارجحیت دارد. در این مقاله یک روش ترکیبی از الگوریتم ژنتیک و شبکه های پتری رنگی برای مدلسازی شبیه سازی و پیش بینی سیگنال خرید/فروش معاملات سهام ارائه می شود. قوانین معاملات سهام با استفاده از الگوریتم ژنتیک بر اساس بیشینه کردن میزان سوددهی تعیین می شود که روی داده های ۱۶۲ شرکت پذیرفته شده در بازار بورس تهران در بازه زمانی ۱ فروردین ۱۳۹۵ تا ۱ فروردین ۱۳۹۷ اعمال می شود. نتایج ارزیابی ها حاکی از برتری روش ترکیبی ژنتیک-شبکه پتری رنگی در تولید سیگنال درست در مقایسه با روشهای شبکه های عصبی، درخت تصمیم و رگرسیون خطی است.

کلیدواژه ها:

پیش بینی سیگنال ، معاملات سهام ، الگوریتم ژنتیک ، شبکه های پتری رنگی ، تحلیل فنی