پيش‌بيني داده‌هاي سري‌هاي زماني بازار تبادل ارز با استفاده از روش‌هاي شبكه‌هاي عصبي گراف

اصفهان : دانشگاه صنعتي اصفهان

مهندسي كامپيوتر

كارشناسي ارشد

بازارهاي مالي يكي از عوامل تأثير‌گذار روي اقتصاد هر كشور است. در هر كشور بازار‌هاي مالي معتبر متفاوتي با توجه به نوع كالايي كه معامله مي‌شود، نظير سهام، ارز، طلا و ... وجود دارد. بازار تبادل ارز يكي از بازار‌هاي مالي است، كه مي‌توان در آن واحد پول كشور‌هاي مختلف را با يكديگر مبادله كرد. اين بازار از نظر نقدينگي و حجم بالاي معاملات در هر روز، از بزرگ‌ترين بازار‌هاي مالي جهان محسوب مي‌شود. مسئله‌ي مهم در بازار تبادل ارز يافتن روشي براي پيش‌بيني صحيح روند حركت قيمت در آينده، براي كمك به تصميم صحيح خريد يا فروش و كسب سود است. به همين دليل پيش‌بيني داده‌هاي سري زماني قيمت در بازار تبادل ارز يكي از مباحث مورد توجه است. ولي با توجه به اينكه، نوسانات قيمت ارز به عوامل مختلفي وابسته است، اين مسئله جزء موارد چالش‌برانگيز قرار مي‌گيرد. داده‌هاي سري زماني بازار تبادل ارز به صورت دنباله‌اي از قيمت هستند كه در بعد زمان به يكديگر وابسته‌اند. از طرفي قيمت در اين بازار به صورت نسبت دو ارز مختلف (جفت‌ارز) بيان مي‌شود. به دليل وجود ارز مشترك بين جفت‌ارز‌ها، در چگونگي تغيير قيمت يك جفت‌ارز نسبت به ديگري همبستگي وجود دارد. گراف ابزاري است كه مي‌توان براي مدل‌سازي روابط پيچيده و داده‌هاي نامنظم به كار گرفت. در اين پايان‌نامه براي طراحي روابط وابستگي زماني و همبستگي بين جفت‌ارزها از گراف‌هاي زماني-مكاني استفاده مي‌شود. مدل طراحي شده در اين پايان‌نامه، داده‌هاي متوالي قيمت و ارتباط بين جفت‌ارز‌ها را دريافت و سپس روند حركت قيمت در آينده را پيش‌بيني مي‌كند. براي بررسي چنين داده‌هايي (گراف‌هاي زماني-مكاني) از يك روش تركيبي شامل شبكه‌هاي عصبي گراف و شبكه‌هاي عصبي بازگشتي استفاده شده است. براي استخراج روابط همبستگي بين جفت‌ارز‌ها، از شبكه‌هاي عصبي گراف استفاده مي‌شود، سپس ويژگي‌هاي سطح بالاي توليد شده، براي مدل‌سازي وابستگي‌هاي زماني بين داده‌هاي قيمتي در هر جفت‌ارز به شبكه‌هاي عصبي بازگشتي ارسال مي‌گردد. در اين پايان‌نامه علاوه بر تعريف همبستگي بين جفت‌ارز‌ها بر اساس قيمت بسته شدن در نمودار شمعي، يادگيري روابط بين جفت‌ارز‌ها با استفاده از فرآيند توجه نيز مورد بررسي قرار گرفته است. همچنين نرمال‌سازي داده‌هاي ورودي به دو روش مختلف، نرمال‌سازي روي كل مجموعه داده‌ (عمومي) و نرمال‌سازي روي هر داده‌ي سري زماني (محلي) بيان شده است. نكته‌ي مهم ديگر در بازار تبادل ارز روش برچسب‌گذاري داده‌ها است كه دو روش برچسب‌گذاري بازه‌هاي زماني و برچسب‌گذاري تيك طراحي شده است. مد‌ل‌هاي پيشنهادي با هدف پيش‌بيني روند حركت قيمت در آينده با استفاده از روش‌هاي مختلف نرمال‌سازي و برچسب‌گذاري براي سه كلاس افزايش (خريد)، كاهش (فروش) و بدون تغيير آموزش ديده است. نتايج به دست آمده نشان مي‌دهد، وارد كردن اطلاعات گرافي و بررسي همبستگي بين جفت‌ارز‌ها در جهت يافتن راهكار مناسبي براي پيش‌بيني داده‌هاي سري زماني بازار تبادل ارز، تأثير مثبتي دارد.

220064

هوش مصنوعي و رباتيكز

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان