پیش بینی جهت حرکت قیمت طلا در بازار فارکس مبتنی بر نمایانگرهای ایچیموکو با استفاده از روشهای سنتی یادگیری ماشین

با توجه به نوسانات شدید بازارهای مالی به ویژه بازار تبادل ارز، فارکس) شناسایی زمان مناسب برای خرید و فروش از اهمیت بالایی برخوردار است. این پژوهش با هدف ارائه روشی کارا برای پیشبینی جهت حرکت قیمت، مجموعه داده ای اختصاصی را بر اساس استراتژی معاملاتی الگوریتمی مبتنی بر نمایانگر ایچیموکو و الگوی پوششی شمعهای قیمتی تولید و برچسب گذاری کرده است. سپس از دو روش سنتی یادگیری ماشین شامل ماشین بردار پشتیبان (SVM) و جنگل تصادفی (Random Forest برای مدل سازی استفاده شده است. نتایج نشان میدهد که مدل جنگل تصادفی با دقت ۷۵ عملکرد بهتری نسبت به SVM داشته و توانایی این رویکرد در بهبود دقت پیش بینی را تایید میکند. این پژوهش گامی نوین در جهت پیوند میان تحلیل تکنیکال و یادگیری ماشین برای طراحی سیستمهای معاملاتی هوشمند محسوب میشود.

کلیدواژه ها:

فارکس ، ایچیموکو ، برچسب گذاری ، داده ، استراتژی معاملاتی ، الگوریتمی ، جنگل تصادفی ، ماشین بردار پشتیبان