1- گروه مدیریت مالی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران 2- گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران ، ar.keyghobadi@iau.ac.ir 3- گروه مدیریت بازرگانی، واحد شهر قدس، دانشگاه آزاد اسلامی، شهر قدس، ایران 4- گروه مدیریت مالی ، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
چکیده: (7 مشاهده)
در سالهای اخیر، گسترش استفاده از سیستمهای معاملات الگوریتمی در بازارهای مالی جهان و بهتازگی در بازار سرمایه ایران، منجر به افزایش نیاز به طراحی و توسعه سامانههای هوشمند معاملاتی شده است. مزیت اصلی این سیستمها، افزایش سرعت و دقت تصمیمگیری و حذف مؤلفههای احساسی در معاملات است. پژوهش حاضر با هدف طراحی یک سیستم معاملات الگوریتمی ترکیبی بهینه، مبتنی بر الگوریتم ژنتیک انجام شده است. در این تحقیق از رویکرد یادگیری جمعی با ترکیب چهار الگوریتم درخت تصمیم (DTree)، Kنزدیکترین همسایگی (KNN)، RUSBoost و شبکه عصبی پایه شعاعی (RBN) استفاده شده است تا بهصورت همزمان انتخاب ویژگی بهینه، تنظیم پارامترهای الگوریتمها و تعیین وزن هر یک انجام گیرد. دادههای تحقیق شامل اطلاعات قیمتی و اندیکاتورهای تکنیکال سهام منتخب بورس اوراق بهادار تهران است. الگوریتم ژنتیک بهمنظور بهینهسازی ۵۱ متغیر تصمیم شامل پارامترهای الگوریتمها، ویژگیها و وزن مدلها بهکار گرفته شد. نتایج نشان داد مدل ترکیبی پیشنهادی دارای دقت طبقهبندی بالا در تشخیص سه کلاس خرید، فروش و نگهداری بوده و نسبت به روشهای منفرد عملکرد بهتری دارد. بنابراین، مدل ارائهشده میتواند به عنوان یک سیستم معاملات خودکار بهینه در بازار سرمایه ایران مورد استفاده قرار گیرد.
Ghasempoura S, Keyghobadib A R, Shahverdiani S, Madanchi Zajd M. Design of a Hybrid Algorithmic Trading System Optimized by Genetic Algorithm. mieaoi 2026; URL: http://mieaoi.ir/article-1-1954-fa.html
قاسم پور شیوا، کیقبادی امیررضا، شاهوردیانی شادی، معدنچی زاج مهدی. طراحی سیستم معاملات الگوریتمی ترکیبی بهینه شده با الگوریتم ژنتیک. نشریه اقتصاد و بانکداری اسلامي. 1405;
