مروری بر پیش بینی کننده های سری زمانی به عنوان مبنای استراتژی معاملاتی خودکار

هدف از این مقاله مروری بررسی و ارائه روشی برای پیش بینی سری زمانی به عنوان پایه ای برای معاملات الگوریتمی خودکار است. با توجه به پیچیدگی و نوسانات بازارهای مالی استفاده از روش های متنوع آماری اندازه گیری پیش بینی کننده های مدل و گزینش فاکتورهای مناسب و موثر برای پیش بینی جهت بازار پرداخته شده است. در این پژوهش روش های مختلف آماری رگرسیون لجستیک، روش تحلیل تشخیصی خطی و درجه دو، ماشین بردار پشتیبان و درخت تصمیم و طبقه بندی کننده توزیع بیز ساده برای پیش بینی جهت قیمت پایانی در روز K بر اساس اختلاف قیمت مشخص شده در ۱-K با استفاده از شاخص های ارزیابی دقت پیش بینی، نرخ برخورد و ماتریس درهم ریختگی مورد بررسی قرار گرفت. نتایج این پژوهش نشان می دهد که گزینش دقیق و مناسب مدل های پیش بینی کننده و الگوریتم های دسته بندی می تواند به بهبود عملکرد پیش بینی سری زمانی و استراتژی های معاملاتی خودکار منجر شود. همچنین بهره گیری از روش های مختلف سنجش کارایی مدل های پیش بینی کننده و ترکیب روش های مختلف آماری پیشرفته می تواند در بهبود دقت پیش بینی ها موثر باشد. در نهایت پژوهش جاری پیشنهاداتی برای تحقیقات آینده و کاربردهای عملی مدل ها و روش های آماری در پیش بینی جهت بازار ارائه می دهد که برای سرمایه گذاران، مدیران صندوق و محققان مفید می باشد.

کلیدواژه ها:

پیش بینی سری زمانی ، الگوریتم های طبقه بندی ، استراتژی معاملاتی خودکار