پیش بینی سهام

پیش بینی سهام و شاخص قیمت سهام و کالا به دلیل وجود عدم قطعیت های فراوان و تاثیرگذار بسیار دشوار است. با کمک اطلاعات انباشته موجود در عصر دیجیتال فعلی و قدرت ماشین های محاسباتی قوی، تمرکز زیادی بر طراحی الگوریتم هایی وجود دارد که می توانند روند بازار سهام را بیاموزند و قیمت های سهام را با موفقیت پیش بینی کنند. بنابراین ایجاد پایگاه های دانش مناسب در راستای افزایش دقت و بهره وری این سیستم ها و تسهیل روال استفاده از دانش عرفی موجود در سیستم های یادگیری ماشینی، بسیار مفید خواهد بود. هدف از این پژوهش توسعه یک هستان نگاری فارسی برای مدل سازی حوزه بورس و تشخیص عوامل تاثیرگذار بر بازار سهام است. هستان نگاری ایجاد شده منجر به غنی سازی و تکمیل ظرفیت های پاگاه دانش های موجود در این حوزه خواهد شد.بدین منظوردر این پژوهش یک هستان نگاری خاص دامنه در حوزه بورس و بازارهای مالی توسعه داده شده که به زبان فارسی توسط نویسندگان این پژوهش تهیه شده است . پس از معرفی این هستان نگاری، جزئیات گام های مورد نیاز برای جمع آوری دادگان مرتبط، توسعه نیمه خودکار و ارزیابی این منبع دانش بیان می گردد. هستان نگاری ساخته شده شامل 565 مفهوم، 496 رابطه سلسله مراتبی، 137 رابطه غیر سلسله مراتبی و 937 نمونه است که با معیارهای مختلفی ارزیابی شده است و وضعیت مطلوبی دارد. به نظر می رسد این هستان نگاری در شرایط فعلی و با توجه به حجم و کیفیت ارزیابی شده، کاملا مناسب برای استفاده به عنوان منبع دانشی برای بهبود عملکرد سیستم های یادگیری ماشین برای پیش بینی سهام بوده و همچنین می توان از آن در جهت آموزش تحلیلگران بورس و ایجاد پایگاه دانش برای کارگزاری ها، بهبود فرایند بازیابی اطلاعات معنایی و کمک به تعیین استراتژی های سرمایه گزاری افراد در صندوق های سرمایه گزاری استفاده نمود.

هدف: با افزایش حجم اطلاعات و پیچیدگی بازارهای مالی، سرمایه گذاران به طور فزاینده ای به دنبال ابزارهای نوین مالی، برای تصمیم گیری آگاهانه ترند. این ابزارها باید به سرمایه گذاران کمک کنند تا ضمن انتخاب سهام مناسب، بازدهی بیشتری کسب کنند. در این راستا، سیستم های توصیه کننده سهام، اهمیت بیشتری پیدا می کنند. سیستم های توصیه کننده سهام می توانند در این زمینه به سرمایه گذاران کمک کنند تا با انتخاب سهام مناسب، بازدهی بیشتری کسب کنند. سیستم های توصیه کننده سنتی سهام، اغلب دقت و کارایی لازم را ندارند. این پژوهش، روشی نوینی به نام فیلترینگ مشارکتی مبتنی بر سهام را برای طراحی سیستم توصیه کننده سهام در بورس اوراق بهادار تهران ارائه می دهد. این روش بر پایه دو فرضیه کلیدی بنا شده است: ۱. عدم کارایی بازار: بازار سهام به طور کامل کارآمد نیست و اطلاعات را به طور کامل و دقیق منعکس نمی کند. ۲. اطلاعات نهفته در حرکات سهام: حرکت سهام نوعی اطلاعات دارد و می تواند بر قیمت سهام دیگر در بازار تأثیر بگذارد. در این پژوهش با فرض وجود اثر انتقال در بورس اوراق بهادار تهران، از تکنیک فیلترینگ مشارکتی برای طراحی یک سیستم سهام توصیه کننده استفاده شده است که یکی از الگوریتم های سیستم های توصیه کننده به شمار می رود. هدف این استراتژی، یافتن سهام مستعد برای کسب بازدهی بیشتر از بازار است. روش: در این پژوهش، از داده های تاریخی قیمت سهام ۱۴۵ شرکت حاضر در بورس اوراق بهادار تهران، در بازه زمانی ۱۳۹۱ تا ۱۴۰۰ استفاده شد. الگوریتم فیلترینگ مشارکتی، در دو مرحله یادگیری و آزمایش اجرا شد. در مرحله یادگیری، الگوریتم با استفاده از داده های سال های ۱۳۹۱ تا ۱۳۹۵ آموزش داده شد و در مرحله آزمایش، عملکرد آن روی داده های سال های ۱۳۹۵ تا ۱۴۰۰ ارزیابی شد. در گام بعدی با استفاده از الگوریتم فیلترینگ مشارکتی مبتنی بر سهام، سیگنال خریدوفروش در طول دوره محاسبه و در نهایت، استراتژی ارزیابی شد. یافته ها: الگوریتم به عنوان یک استراتژی سرمایه گذاری، در دو دوره درون نمونه ای و برون نمونه آزمایش شد. نتایج به دست آمده از طریق الگوریتم برای دوره های برون نمونه نشان می دهد که این استراتژی می تواند ۲۵ برابر بازدهی داشته باشد؛ در حالی که شاخص کل در این بازه زمانی ۱۶ برابر شده که نشان دهنده عملکرد عالی استراتژی در طول دوره زمانی است. همچنین میزان ارزش در معرض ریسک در دوره زمانی مورد بررسی، برای روش منتخب 8/12- درصد است که میزان ریسک کمتر این روش را نشان می دهد.   نتیجه گیری: الگوریتم فیلترینگ مشارکتی مبتنی بر سهام، نوعی استراتژی سرمایه گذاری فعال است. هدف این الگوریتم هوشمند، شناسایی سهام ارزشمند و کسب بازدهی بیشتر از بازار است و می تواند در این زمینه به سرمایه گذاران کمک کند. این الگوریتم می تواند ابزاری ارزشمند برای سرمایه گذاران فعالی باشد که به دنبال یافتن سهام ارزشمند و کسب بازدهی بیشتر از بازار هستند. بنابراین پژوهش های بیشتر برای بررسی عملکرد این الگوریتم در بازارهای مختلف و شرایط اقتصادی متنوع ضروری است. همچنین، به پژوهشگران بعدی توصیه می شود که از استراتژی های کنترل ریسک بهره ببرند و این عملکرد سیستم را تقویت کنند.