سیستم ­های معاملاتی خودکار

طراحی یک سیستم معاملاتی خودکار با استفاده از شبکه عصبی پیچشی

1 دانشجوی کارشناسی ارشد مهندسی صنایع، دانشگاه تربیت مدرس، تهران، ایران.

2 استادیار دانشکده مهندسی صنایع و سیستم‌ها، دانشگاه تربیت مدرس، تهران، ایران

چکیده

در سال‌های اخیر مقالات و پژوهش‌های زیادی در زمینه‌ی استفاده از روش‌های یادگیری ماشینی و معاملات الگوریتمی در بازارهای مالی به منظور کسب بازدهی منتشر شده است. هدف این پژوهش ایجاد یک سیستم معاملاتی خودکار با استفاده از پردازش تصویر به وسیله‌ی شبکه عصبی پیچشی است. بدین منظور، در ابتدا پس از دریافت داده‌های مورد نیاز برای سهام منتخب، 28 اندیکاتور تحلیل تکنیکال انتخاب و مقادیر هر کدام به صورت جداگانه برای هر سهم محاسبه شد. سپس سری‌های زمانی این اندیکاتورها به تصاویر 2 بعدی تبدیل شده و در نتیجه برای هر داده روی سری زمانی قیمت سهم، یک تصویر دو بعدی با ابعاد 28×28 ساخته‌ شد. پس از برچسب‌گذاری هر تصویر با یکی از برچسب‌های خرید، فروش و نگهداری، این تصاویر به شبکه عصبی پیچشی وارد شدند. همچنین برای بررسی بازدهی و ریسک سیستم ارائه شده، یک روش برای خرید و فروش بر اساس نتایج مدل در زمان گذشته معرفی شده است. نتایج پژوهش نشان می‌دهد که در 80% موارد، این روش بازدهی بیشتری نسبت به استراتژی مرسوم خرید و نگهداری کسب کرده است. همچنین همواره از نظر معیارهای ریسک انحراف معیار و بیشترین افت بهتر عمل می‌کند. همچنین، نتایج نشان‌دهنده‌ی تأثیر زیاد کارمزد معاملات بورس اوراق بهادار تهران بر روی بازدهی مدل است. به گونه‌ای که مدل چند برابر سود کسب شده را برای پرداخت کارمزد از دست می‎دهد.

کلیدواژه‌ها

20.1001.1.26454637.1399.10.31.7.3

عنوان مقاله [English]

Designing an Automated Trading System Using Convolutional Neural Network

نویسندگان [English]

• Amir Hossein Yaftian 1
• Mohammad Ali Rastegar 2

2 Assistant Prof, Department of Industrial & Systems Engineering, Tarbiat Modares University, Tehran, Iran.

In recent سیستم ­های معاملاتی خودکار years, many articles and researches have been published on the use of machine learning methods and algorithmic trading in financial markets in order to earn returns. The aim of this study is to create an automated trading system using image processing by convolutional neural network. For this purpose, initially, after receiving the data required for the selected stocks, 28 technical analysis indicators were selected and the values of each were calculated separately for each stock. Then the time series of these indicators were converted to 2D images, and as a result, for each data on the time series of the stock price, a 2D image with dimensions of 28 x 28 was created. After labeling each image with one سیستم ­های معاملاتی خودکار of the buy, sell, or hold labels, these images entered the convolutional neural network. Also, to evaluate the return and سیستم ­های معاملاتی خودکار risk of the proposed system, a method for buying and selling based on the results of the model in the past has been introduced. The results show that in 80% of cases, this method is more effective than the buy and hold strategy. It also always performs better in terms of standard deviation risk and maximum drawdown. Also, the results show the high impact of trading commission on the Tehran Stock Exchange on the return of the model. In such a way that the model loses many times the profit earned for the payment of the commission.

کلیدواژه‌ها [English]

• Algorithmic trading
• Technical analysis
• Deep learning
• Convolutional neural networks

مراجع

1. Ahmed, N. K., Atiya, A. F., Gayar, N. E., & El-Shishiny, H. (2010). An empirical comparison of machine learning models for time series forecasting. Econometric Reviews, 29(5-6), 594-621.

2. Bajlan, سیستم ­های معاملاتی خودکار S., Fllah Poor, S., & Dana, N. (2017). Predicting stock price trends using a modified support vector machine with hybrid feature selection, Journal of Financial Management Perspective, 17(1), 69-86. (In Persian)

3. Canziani, A., Paszke, A., & Culurciello, E. (2016). An analysis of deep neural network models for practical applications. arXiv preprint arXiv:1605.07678.

4. Cartea, A., & Jaimungal, S. (2013). Modelling asset prices for algorithmic and high-frequency trading. Applied Mathematical Finance, 20(6), 512-547.

5. Das, G., Lin, K. I., Mannila, H., Renganathan, G., & Smyth, P. (1998, August). Rule Discovery from Time Series. In KDD (Vol. 98, No. 1, pp. 16-22).

6. Deng, Y., Bao, F., Kong, Y., Ren, Z., & Dai, Q. (2016). Deep direct reinforcement learning for financial signal representation and trading. IEEE transactions on neural networks and learning systems, 28(3), 653-664.

7. Esmaeili, Z., Abbasi, E., Fallahshams, M. (2018). Prediction of initial public offering short-term performance using nearest neighbor and support vector machine models. ـJournal of Financial Management Perspective, 8(21), 9-27. (In Persian)

8. Ganz, F., Puschmann, D., Barnaghi, سیستم ­های معاملاتی خودکار P., & Carrez, F. (2015). A practical evaluation of information processing and abstraction techniques for the internet of things. IEEE Internet of Things journal, 2(4), 340-354.

9. Gudelek, M. U., Boluk, S. A., & Ozbayoglu, A. M. (2017, November). A deep learning based stock trading model with 2-D CNN trend detection. In 2017 IEEE Symposium Series on Computational Intelligence (SSCI) (pp. 1-8). IEEE.

10. Kalchbrenner, N., Grefenstette, E., & Blunsom, P. (2014). A convolutional neural network for modelling sentences. arXiv preprint arXiv:1404.2188.

11. Karpathy, A., Toderici, G., Shetty, S., Leung, T., Sukthankar, R., & Fei-Fei, L. (2014). Large-scale video classification with convolutional neural networks. In Proceedings of the IEEE conference on Computer Vision and Pattern Recognition (pp. 1725-1732).

12. Kalaitzakis, K., Stavrakakis, G. S., & Anagnostakis, E. M. (2002). Short-term load forecasting based on artificial neural سیستم ­های معاملاتی خودکار networks parallel implementation. Electric Power Systems Research, 63(3), 185-196.

13. Kim, T., & Kim, H. Y. (2019). Forecasting stock prices with a feature fusion LSTM-CNN model using different representations of the same data. PloS one, 14(2), e0212320.

14. Kim, Y. (2014). Convolutional neural networks for sentence classification. arXiv preprint arXiv:1408.5882.

15. Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). Imagenet classification with deep convolutional neural networks. In Advances in neural information processing systems (pp. 1097-1105).سیستم ­های معاملاتی خودکار

16. Kuo, S. C., Li, S. T., Cheng, Y. C., & Ho, M. H. (2004, December). Knowledge discovery with SOM networks in financial investment strategy. In Fourth International Conference on Hybrid Intelligent Systems (HIS'04) (pp. 98-103). IEEE.

17. Pakbaz, M., Davari, M., & Balgourian, M. (2018). Investigating the predictive power of information content of accounting profit announcement سیستم ­های معاملاتی خودکار by technical analysis signals. Journal of Financial Management Perspective, 20(4), 115-131. (In Persian)

18. Ramoni, M., Sebastiani, P., & Cohen, P. (2002). Bayesian clustering by dynamics. Machine learning, 47(1), 91-121.

19. Ratner, M., & Leal, R. P. (1999). Tests of technical trading strategies in the emerging equity markets of Latin America and Asia. Journal of Banking & Finance, 23(12), 1887-1905.

20. Sezer, O. B., & Ozbayoglu, A. M. (2018). Algorithmic financial trading with deep convolutional neural networks: Time series to image conversion approach. Applied Soft Computing, 70, 525-538.

21. Sezer, O. B., & Ozbayoglu, A. M. (2019). Financial trading model with stock bar chart image time series with deep convolutional neural networks. arXiv preprint arXiv:1903.04610.

22. Shen, F., Chao, J., & Zhao, J. (2015). Forecasting exchange rate using deep belief networks and conjugate gradient method. Neurocomputing, 167, 243-253.

23. Sweeney, R. J. (1988). Some new filter rule tests: Methods and results. Journal of Financial and Quantitative Analysis, 285-300.

24. Wen, Y., & Yuan, B. (2018, March). Use CNN-LSTM network to analyze secondary market data. In Proceedings of the 2nd International Conference on Innovation in Artificial Intelligence ,pp. 54-58.

ایجاد سیستم های معاملاتی خودکار در زبان سیستم ­های معاملاتی خودکار MQL 5 برنامه نویسی اکسپرت برای متاتریدر 5

مشخصات کتاب ایجاد سیستم های معاملاتی خودکار در زبان MQL 5 برنامه نویسی اکسپرت برای متاتریدر 5

کتاب‌های مرتبط با کتاب ایجاد سیستم های معاملاتی خودکار در زبان MQL 5 برنامه نویسی اکسپرت برای متاتریدر 5

دانش حیرت آور جلسات

پر ازدحام

پایداری با طراحی

پیدای و پنهان استارت آپ

کشف اسرار کارهای منحصربه فرد

آینده مدیریت در دنیای هوش مصنوعی

ایده های عملی مدیریت

سایه بلوط

توصیه های جادویی برای زندگی بهتر 11

قوانین موفقیت در تجارت و زندگی

تجزیه و تحلیل بازاریابی

طلوع منابع انسانی

مدیریت محصول

از صفر تا صد اتوماسیون های اداری

رازهای ویدیو برندینگ

جیبی شاد و پر از پول

هوش مالی خود را به کار بگیرید

الگوهای شمعی ژاپنی

محیط کار انسانی

• نهنگ
• دربارهٔ نهنگ
• قوانین و مقررات
• راهنمای خرید و ارسال
• پشتیبانی

تماس با نهنگ

تلفن: ۹۱۰۳۵۰۰۰-۰۲۱
ایمیل: [email protected]
روزهای کاری از ساعت ۹ صبح تا ۵ عصر
پاسخگوی تماس شما هستیم.

سیستم ­های معاملاتی خودکار

کتاب ایجاد سیستم های معاملاتی خودکار در زبان MQL5 تالیف فرهاد سلطانی

فرهاد سلطانی

تعداد صفحات:

320‌ صفحه

در صورت وجود هرگونه سوال در مورد نحوه خرید و ارسال سفارشات میتوانید سوالات متداول را مطالعه بفرمایید.

تضمین سلامت کالا

پشتیبانی آنلاین و سریع

ارسال سریع به سراسر کشور

پرداخت امن و مطمئن

مشخصات کتاب

موضوع:

بورس فارکس

فرهاد سلطانی

نوبت چاپ:

سال چاپ:

تعداد صفحات:

وزیری

نوع جلد:

شومیز

9786001863301

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “کتاب ایجاد سیستم های معاملاتی خودکار در زبان MQL5 تالیف فرهاد سلطانی” لغو پاسخ

کتاب‌های مرتبط

محصولات مرتبط

کتاب دوئل با روند تالیف محمد شعبانی نیما آزادی

کتاب پرایس اکشن روندها تالیف ال بروکز ترجمه حسین رضایی

کتاب پرایس اکشن لنس بگز جلد 2 استراتژی های معاملاتی ترجمه امراه نژاد

مدرسه معامله‌گری در بازار جهانی ارز

• تهران - میدان انقلاب
• 09162028253
• [email protected]
• در اینستاگرام همراه ما باشید

فروشگاه کتاب آنلاین بورس باز

بورس باز کاملترین مرجع کتاب های بورس و بازار سرمایه، مدیریت و کسب و کار

فروشگاه کتاب آنلاین بورس باز

بورس باز کاملترین مرجع کتاب های بورس و بازار سرمایه،مدیریت و کسب و کار

• تهران - میدان انقلاب
• 09373882629
• [email protected]
• در اینستاگرام همراه ما باشید

کتاب ایجاد سیستم های معاملاتی خودکار در زبان MQL5 تالیف فرهاد سلطانی

تیم پشتیبانی بورس باز اینجا هستند تا به سوالات شما پاسخ دهند و یا در هر مرحله از خرید شما را راهنمایی کنند.

سیستم ­های معاملاتی خودکار

کتاب ایجاد سیستم های معاملاتی خودکار در زبان MQL5 تالیف فرهاد سلطانی

فرهاد سلطانی

تعداد صفحات:

320‌ صفحه

در صورت وجود هرگونه سیستم ­های معاملاتی خودکار سوال در مورد نحوه خرید و ارسال سفارشات میتوانید سوالات متداول را مطالعه بفرمایید.

تضمین سلامت کالا

پشتیبانی آنلاین و سریع

ارسال سریع به سراسر کشور

پرداخت امن و مطمئن

مشخصات کتاب

موضوع:

بورس فارکس

فرهاد سلطانی

نوبت چاپ:

سال چاپ:

تعداد صفحات:

وزیری

نوع جلد:

شومیز

9786001863301

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “کتاب ایجاد سیستم های معاملاتی خودکار در زبان MQL5 تالیف فرهاد سلطانی” لغو پاسخ

کتاب‌های مرتبط

محصولات مرتبط

کتاب تحلیل بنیادی در بازار سرمایه تالیف سیدمحمد علی شهدایی

کتاب تکنیک های ساده و کاربردی در تحلیل بنیادی تالیف علی محمد مرادی

کتاب دوئل با روند تالیف محمد شعبانی نیما آزادی

کتاب معامله گری به روش ایچیموکو تالیف سعید روندی

• تهران - میدان انقلاب
• 09162028253
• [email protected]
• در اینستاگرام همراه ما باشید

فروشگاه کتاب آنلاین بورس باز

بورس باز کاملترین مرجع کتاب های بورس و بازار سرمایه، مدیریت و کسب و کار

فروشگاه کتاب آنلاین بورس باز

بورس باز کاملترین مرجع کتاب های بورس و بازار سرمایه،مدیریت و کسب و کار

• تهران - میدان انقلاب
• 09373882629
• [email protected]
• در اینستاگرام همراه ما باشید

کتاب ایجاد سیستم های معاملاتی خودکار در زبان MQL5 تالیف فرهاد سلطانی

تیم پشتیبانی بورس باز اینجا هستند تا به سوالات شما پاسخ دهند و یا در هر مرحله از خرید شما را راهنمایی کنند.

کتاب ایجاد سیستم معاملاتی خودکار در زبان MQL5 فرهاد سلطانی

کتاب ایجاد سیستم معاملاتی خودکار در زبان MQL5 اثر فرهاد سلطانی می باشد. این کتاب را انتشارات آراد کتاب منتشر کرده است.

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “کتاب ایجاد سیستم معاملاتی خودکار در زبان MQL5 فرهاد سلطانی” لغو پاسخ

محصولات مرتبط

کتاب ذهن لاکپشت ها اثر کورتیس ام فیث ترجمه زینب آذریان

خرید کتاب معاملات فارکس برای تازه کاران

12% تخفیف خرید کتاب تحلیل تکنیکال در بازار سرمایه اثر جان مورفی

کتاب رکن سوم بازار اثر نیما آزادی

کتاب اصول و مبانی پرایس اکشن جلد1 اثر گالن وودز

کتاب الگوهای هارمونیک پیشرفته اثر محمد حسن ژند

کتاب راهنمای تصویری معامله با امواج الیوت اثر علی محمدی

کتاب دوئل با روند اثر نیما آزادی

درباره رهبران کتاب

فروشگاه اینترنتی رهبران کتاب با هدف عرضه کتاب های گوناگون و فروش اینترنتی راه اندازی شد. با توجه به عصر حاضر و افزایش خرید آنلاین و غیر حضوری، فروشگاه اینترنتی رهبران کتاب نیز راه اندازی شده تا مردم بتوانند به آسانی و بدون دغدغه کتاب مورد نیاز خود را خریداری کنند.