شما می توانید لذت خرید آسان و مطمئن را با تلکتاب تجربه کنید
خرید کتاب و ارسال رایگان به سراسر کشور در سریعترین زمان ممکن
درصورتی که موفق به خرید اینترنتی کتاب نشدید می توانید برای خرید تلفنی کتاب با شماره 66470460-021 تماس حاصل فرمایید.
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 سیستم های معاملاتی خودکار 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 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 of the buy, sell, or hold labels, these images entered the convolutional neural network. Also, to evaluate the return and 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, S., Fllah سیستم های معاملاتی خودکار 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).سیستم های معاملاتی خودکار
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, 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 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).
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 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 MQL5
کتاب ایجاد سیستم های معاملاتی خودکار در زبان MQL5 ( برنامه نویسی اکسپرت برای متاتریدر 5) نوشته فرهاد سلطانی , توسط انتشارات آراد به چاپ رسیده است.
موضوع کتاب: بازار سرمایه, بورس و سهام , انواع متغیرها و داده ها, ساختار یک برنامه MQL5
در بدو ورود به بازارهای مالی، شایسته‌تر است، بازار هدف خود را انتخاب کنیم که می‌تواند بازار سهام، آتی سکه، بازارهای جهانی باشد. سپس سازوکار بازار هدف خود را مانند نحوه افتتاح حساب در کارگزاری، شیوه معامله کردن و ساعات معامله کردن و . فارغ از تحلیل، بیاموزیم.پس از گذر این مرحله، با روش‌های تحلیل: فاندامنتال، تکنیکال، تکنو فاندامنتال در حد آشنایی بیاموزیم و مشخص نماییم کدام‌یک از روش‌های تحلیل با ساختارهای ذهنی و رفتاری ما سازگاری دارد. مثلاً بازار هدف خود را، به خاطر کم ریسک بودن، سهام و روش تحلیل خود را، تحلیل تکنیکال، انتخاب می‌نماییم.
پس از تدوین قواعد، به مرحله اجرا می‌رسیم. یکی از پلتفرم‌های معاملاتی معروف که قابلیت برنامه‌نویسی دارد و در همه بازارهای هدف اشاره‌شده، قابل‌اجراست، نرم‌افزار Meta Trader است. این پلتفرم معاملاتی در دو نسخه 4 و 5 معروف است. نسخه 4 آن بانام تجاری پارس رسا که تا این لحظه فقط قابلیت نمایش داده‌های سهام، بورس، دلار و. را دارد و نسخه 5 آن، مفید تریدر نام دارد که علاوه قابلیت‌های قبل، قابلیت معامله کردن را دارد. به زبان برنامه‌نویسی متاتریدر MQL گویند. در این مرحله استراتژی مدوّن شده خود را، تبدیل به نرم‌افزار اتوماتیک معاملاتی نموده تا به‌جای ما، عملیات خریدوفروش را انجام دهد.
سیستم های معاملاتی خودکار
- انتشارات : آراد
- دسته بندی : اقتصاد, بورس
- نویسنده : فرهاد سلطانی
- شابک : 9786001863301
- دانلود نمونه ای از کتاب :
این کتاب در بانک کتاب تلکتاب عرضه شده است
شما می توانید لذت خرید آسان و مطمئن را با تلکتاب تجربه کنید
خرید کتاب و ارسال رایگان به سراسر کشور در سریعترین زمان ممکن
درصورتی که موفق به خرید اینترنتی کتاب نشدید می توانید برای خرید تلفنی کتاب با شماره 66470460-021 تماس حاصل فرمایید.
ايجاد سيستم‌هاي معاملاتي خودكار در زبان MQL5 نویسنده فرهاد سلطانی
مشخصات و خرید اینترنتی کتاب ايجاد سيستم‌هاي معاملاتي خودكار در زبان MQL5 نویسنده فرهاد سلطانی درباره کتاب: نشر آراد
بان برنامه نویسی MQL 5 بسیار قدرتمند و وسیع می باشد خیلی بیشتر از آنچه که در MQL 4 بوده است.کارهای زیادی در MQL 5 وجود دارد که می توان انجام داد.این کتاب فرض می کند که خواننده با نرم افزار متاتریدر 5 و معاملات ارز به طور معمول آشنایی دارد.خواننده کتاب باید با نحوه استفاده از نرم افزار MQL 5 آشنا باشد و یک فهم پایه ای از تحلیل تکنیکال و معاملات سیستمی داشته باشد.برای این کتاب هیچ تجربه قبلی برنامه نویسی ضروری نیست اگر چه خوانندگان سیستم های معاملاتی خودکار سیستم های معاملاتی خودکار از مزایای داشتن مهارت قبلی در سایر زبان های برنامه نویسی می توانند بهره ببرند.
این کتاب در بانک کتاب تلکتاب عرضه شده است
شما می توانید لذت خرید آسان و مطمئن را با تلکتاب تجربه کنید
خرید کتاب و ارسال رایگان به سراسر کشور در سریعترین زمان ممکن
درصورتی که سیستم های معاملاتی خودکار موفق به خرید اینترنتی کتاب نشدید می توانید برای خرید تلفنی کتاب با شماره 66470460-021 تماس حاصل فرمایید.
سیستم های معاملاتی خودکار
- انتشارات : آراد
- دسته بندی : اقتصاد, بورس
- نویسنده : فرهاد سلطانی
- شابک : 9786001863301
- دانلود نمونه ای از کتاب :
این کتاب در بانک کتاب تلکتاب عرضه شده است
شما می توانید لذت خرید آسان و مطمئن را با تلکتاب تجربه کنید
خرید کتاب و ارسال رایگان به سراسر کشور در سریعترین زمان ممکن
درصورتی که موفق به خرید اینترنتی کتاب نشدید می توانید برای خرید تلفنی کتاب با شماره 66470460-021 تماس حاصل فرمایید.
ايجاد سيستم‌هاي معاملاتي خودكار در زبان MQL5 نویسنده فرهاد سلطانی
مشخصات و خرید اینترنتی کتاب ايجاد سيستم‌هاي معاملاتي خودكار در زبان MQL5 نویسنده فرهاد سلطانی درباره کتاب: نشر آراد
بان برنامه نویسی MQL 5 بسیار قدرتمند و وسیع می باشد خیلی بیشتر از آنچه که در MQL 4 بوده است.کارهای زیادی در MQL 5 وجود دارد که می توان انجام داد.این کتاب فرض می کند که خواننده با نرم افزار متاتریدر 5 و معاملات ارز به طور معمول آشنایی دارد.خواننده کتاب باید با نحوه استفاده از نرم افزار MQL 5 آشنا باشد و یک فهم پایه ای از تحلیل تکنیکال و معاملات سیستمی داشته باشد.برای این کتاب هیچ تجربه قبلی برنامه نویسی ضروری نیست اگر چه خوانندگان از مزایای داشتن مهارت قبلی در سایر زبان های برنامه نویسی می توانند بهره ببرند.سیستم های معاملاتی خودکار
این کتاب در بانک کتاب تلکتاب عرضه شده است
شما می توانید لذت خرید آسان و مطمئن را با تلکتاب تجربه کنید
خرید کتاب و ارسال رایگان به سراسر کشور در سریعترین زمان ممکن
درصورتی که موفق به خرید اینترنتی کتاب نشدید می توانید برای خرید تلفنی کتاب با شماره 66470460-021 تماس حاصل فرمایید.
کتابفروشی زیتون اصفهان
ایجاد سیستم های معاملاتی خودکار در زبان MQL5
در این کتاب میخوانید: متغیرها و نوع داده ها، اپراتورها، توابع، رویدادها و برنامه نویسی شی گرا.
در بدو ورود به بازارهای مالی، شایسته‌تر است، بازار هدف خود را انتخاب کنیم که می‌تواند بازار سهام، آتی سکه، بازارهای جهانی باشد. سپس سازوکار بازار هدف خود را مانند نحوه افتتاح حساب در کارگزاری، شیوه معامله کردن و ساعات معامله کردن و . فارغ از تحلیل، بیاموزیم.
پس از گذر این مرحله، با روش‌های تحلیل: فاندامنتال، تکنیکال، تکنو فاندامنتال در حد آشنایی بیاموزیم و مشخص نماییم کدام‌یک از روش‌های تحلیل با ساختارهای ذهنی و رفتاری ما سازگاری دارد. مثلاً بازار هدف خود را، به خاطر کم ریسک بودن، سهام و روش تحلیل خود را، تحلیل تکنیکال، انتخاب می‌نماییم.
در مرحله بعد تمامی روش‌های موردبحث درروش تحلیلی انتخابی خود را (مثلاً روش تحلیل تکنیکال)، مطالعه می‌کنیم تا روش متناسب با ساختار ذهنی خود را انتخاب نماییم. مثلاً درروش تحلیل تکنیکال روش‌های تحلیلی زیر مطرح است: اندیکاتوری، روانشناسی کندلها، سایکلهای‌های زمانی، امواج الیوت، روندی، فیبوناچی، پرایس اکشن، الگوها، ایچی موکو، فراکتالی، بیل ویلیامز، چنگال اندروز، حجمی، الگوهای شمعی ژاپنی، الگوهای هارمونیک، روش‌های آماری، روش‌های هوش مصنوعی، گن و. تمام تمرکز خود را دریکی از روش‌های فوق گذاشته تا به‌صورت یک متخصص در این حوزه گردیم.
در مرحله بعد به مطالعه و بررسی استراتژی‌های موجود در کتاب‌ها، سایت‌ها، مقالات و. جهت گرفتن ایده اولیه برای طراحی استراتژی شخصی خود پرداخته و نقاط ضعف و قوت هر استراتژی استخراج نموده و همه موارد استخراجی را در استراتژی خودمان لحاظ می‌کنیم. همه قواعد استراتژی خود را به‌صورت مکتوب ثبت می‌نماییم.
پس از تدوین قواعد، به مرحله اجرا می‌رسیم. یکی از پلتفرم‌های معاملاتی معروف که قابلیت برنامه‌نویسی دارد و در همه بازارهای هدف اشاره‌شده، قابل‌اجراست، نرم‌افزار Meta Trader است. این پلتفرم معاملاتی در دو نسخه 4 و 5 معروف است. نسخه 4 آن بانام تجاری پارس رسا که تا این لحظه فقط قابلیت نمایش داده‌های سهام، بورس، دلار و. را دارد و نسخه 5 آن، مفید تریدر نام دارد که علاوه قابلیت‌های قبل، قابلیت معامله کردن را دارد. به زبان برنامه‌نویسی متاتریدر MQL گویند. در این مرحله استراتژی مدوّن شده خود را، تبدیل به نرم‌افزار اتوماتیک معاملاتی نموده تا به‌جای ما، عملیات خریدوفروش را انجام دهد. نتیجه اینکه خطای انسانی در زمان معامله کردن به‌شدت کاهش پیدا می‌کند. موضوع کتاب ما در مورد آموزش برنامه‌نویسی MQL5 با فرض، آشنایی اولیه با MQL است
برای تهیّه این کتاب به کتابفروشی زیتون اصفهان نمایندگی انتشارات آراد کتاب
(با سرویس ارسال کتاب /خرید اینترنتی کتاب/ خرید تلفنی کتاب اصفهان /کتاب یاب اصفهان) مراجعه فرمائید .
فروشگاه کتاب زیتون عرضه کننده کتابهای بازاریابی شبکه ای – فارکس و بورس – مدیریت و رهبری -
بازاریابی و فروش – روانشناسی و موفقیت -کسب وکار - تبلیغات و برند – استراتژیک – کارآفرینی
( کتابفروشی آمادگاه اصفهان – کتاب اصفهان – کتابفروشی اصفهان – اجاره کتاب – کتاب بورس – کتابفروشی اینترنتی اصفهان- ارسال کتاب اصفهان –پیک کتاب اصفهان )
دیدگاه شما