مقایسه دو الگوریتم مبتنی بر یادگیری ماشینی برای دو بخش راهبرد معاملات زوجی

باتوجه به علاقه مشارکت کنندگان بازار به مدل های معاملاتی کمی و استفاده از کاربردهای هوشمندانه علم داده می توان عملکرد راهبرد های معاملاتی ازجمله معاملات زوجی را بهبود بخشید که ابزار سرمایه گذاری خوبی حتی در بازارهای نزولی است. با در نظر گرفتن دو مرحله این راهبرد شامل شناسایی دو ورقه بهادار (یک زوج) و کشف بی‎ نظمی در شکاف قیمتی بین آنها (انجام معامله)،‎ دو روش یادگیری ماشینی برای انتخاب الگوریتم بهتر در هر مرحله مقایسه شد. برای تعیین فضای جست‎ وجو که سعی بر گروه‎ بندی اوراق بهادار مرتبط در خوشه‎ ها و شناسایی زوج‎ های برتر دارد، از دو الگوریتم خوشه بندی مبتنی بر چگالی شامل خوشه‎ بندی فاصله‎ ای مبتنی بر چگالی کاربردها با نوفه (دی بی اسکن) و مرتب سازی نقاط برای شناسایی ساختار خوشه بندی (آپتیکز) استفاده شد که در غیر این‎ صورت شناسایی آن حتی برای سرمایه‎ گذار باتجربه هم دشوار است. از طرفی برای به حداقل رساندن تعداد روزهای کاهش ارزش سبد به همراه افزایش بازده پس از یافتن شکاف قیمتی، از دو مدل معاملاتی مبتنی بر پیش‎ بینی سری‎ زمانی، حافظه کوتاه‎ مدت طولانی (ال اس تی ام) و حافظه کوتاه‎ مدت طولانی رمزگذار _ رمزگشا استفاده شد. برتری آپتیکز به دی بی اسکن در تعداد متغیرهای کمتر و نسبت شارپ بالا و درصد زوج های سودآور بالاتر مشهود است. مدل ال اس تی ام رمزگذار _ رمزگشا در کل در کسب بازدهی و نسبت شارپ، عملکرد بهتر و درباره کاهش تعداد روزهای رکودی سبد بالاتر از مدل ال اس تی ام بود. استفاده از داده های با تکرار زیاد (۵دقیقه ای) (تمامی سهام بازار و نه سهم یا صنعت خاصی) به همراه استفاده از مدل های یادگیری ماشینی برای افزایش سرعت در تصمیم گیری و ارائه بازده های خالص به منظور بررسی مدل ها از موارد مهم این کار است.

کلیدواژه ها:

راهبرد معامله زوجی ، یادگیری ماشینی ، خوشه بندی مبتنی بر چگالی ، مدل مبتنی بر پیش بینی