هوش مصنوعی در بورس

یکی از مهمترین حوزه هایی که از هوش مصنوعی می توان بهره بالایی برد، بازار بورس و معاملات اقتصادی می باشد. کل امور مالی و معاملات نیاز به تحلیل دقیق، منطقی و هوشمندانه دارند که فهم هر یک از این تحلیل ها، نیاز به هوش مصنوعی دارد.

هوش مصنوعی در بورس امپراتوری خواهد کرد!

هوش مصنوعی در بورس سرعت و دقت بیشتری نسبت به روش ‌های دستی، لزوم حرکت در این مسیر را بیش از پیش نمایان می ‌کند. تحلیل و سیگنال گیری بورس باید تاکید کرد که هوش مصنوعی به انگیزه عدم برخورداری از احساسات تماما با منطق عمل می‌کند و همین فرمایش خود یک نکته براق و مثبت به شمار می‌رود.

افزایش دهد. استفاده صرف از هوش مصنوعی در طراحی راهبرد و یافتن استراتژی‌ های پر سود به این شیوه، ضمانت سودآور پایدار گذاشتن آن استراتژی‌ها در آینده نیست.

معایب هوش مصنوعی در بورس

هر تکنولوژی در کنار مزایایی که دارد معایبی نیز دارد. به این امر فکر کنید که در بحرانی مانند کرونا، انسان‌ها نیز غافل‌گیر شدند. بنابراین دیگر چه توقعی می‌شود از هوش مصنوعی داشت!؟!

تفاوت هوش مصنوعی با هوش انسانی همین درک درست از شرایط و توانایی تصمیم‌گیری در شرایط بحرانی و تاثیرگذار در اقتصاد جهان می باشد.
بازار بورس درست مانند هر بازار دیگری ی سراسر نوسان، ریسک و چالش است.

پس هنوز تا رسیدن به مرحله‌ای که هوش مصنوعی بتواند بازارهای مالی جهان را فتح و یا به قول خودش امپراتوری و سلطنت اش را راه اندازی کند؛ فاصله ها داریم…!
استفاده از مدلینگ دقیق و بررسی استحکام استراتژی‌ های تولید شده، همچنان به قوت خود باقی است و نباید مورد چشم‌پوشی واقع شود.

یعنی هوش مصنوعی در طراحی استراتژی ابزاری نیست که به خودی خود بتواند استراتژی‌های مناسب برای بهره مندی بهینه از تحلیل های بازار بورس را به ما ارائه کند. بلکه این خود آدمیزاد است که با استفاده از هوش، علم و تجربیات خود، از این ابزارها (مثل ابزارهای دیگر) برای کسب نتیجه بهتر (کاهش هدر رفت زمان و کاهش یا حذف هزینه های اضافه) بهره می گیرد.

هوش مصنوعی به زبان ساده

به زبان ساده هوش مصنوعی اسمش روشه یه هوش مصنوعی “هوشی که سعی در تقلید از ذهن پیچیده انسانی”داره!
حالا متوجه عمق موضوع شدی؟
پس معطل چی هستی سری به دوره های آموزش سرمایه گذاری و تحلیل های بازار بورس بزن تا دیر نشده سرمایه برای خودت جمع و جور کنی چشم باز کنید می بینید ۶۰ ساله هستین یک قرون ته جیبتون نیست یه نخ سیگار بگیرید. “ترک سیگار مهمتر از سلامتی، موجب افزایش سرمایه است.”

معامله الگوریتم موضوع داغ این روزهای AI یا همان هوش مصنوعی می باشد که میدان دید و توجه معامله کنندگان بازار پر حاشیه و پر سود سرمایه و بورس اوراق بهادار ایران و کل جهان را به خود معطوف کرده است.
در اصل با کمک هوش مصنوعی AI و نرم افزارهای برنامه نویسی شده توسط شرکت های طراحی سایت در تبریز به تجزیه و تحلیل سهام ها پرداخت و جهت خرید و فروش سهام از اعتماد ویژه ای برخوردار گشت.
پس تاثیر آموزش و یادگیری ماشین و هوش مصنوعی در بازار بورس نیز می تواند بسیار قابل توجه و یکی از اولویت های مباحث چالش برانگیز دنیای تکنولوژی روز دنیا باشد.

هوش مصنوعی در بورس

چندین مشکل بزرگ در بازار بورس به چشم می خورد که دو سه مورد از آنها را از تحقیقات خود یافتیم.

حجم بالایی از داده ها، نیروی انسانی و زمان که در حداکثر خود باز هم به نصف بهینه کار کردن ربات های هوش مصنوعی در کامپیوتر و زبان ماشین نمی رسند.

کاربردهای هوش مصنوعی در مدیریت سازمانها و ارگانها:

هوش مصنوعی در سایر گرایشات و کاربردهای متعددی نیز اهمیت خود را به وضوح نشان می دهد:

صنعت، مدیریت پرسنل در بستر سازمان و ادارات وسیع و ضعف و خستگی ذهن و جسم و روح و مغز کارکنان هوش مصنوعی در بورس و اعضای یک شرکت به روش هوش مصنوعی با طراحی سیستم هوشمند پورتال سازمانی ، اتوماسیون اداری و سامانه مدیریت عملکرد و بهبود کارایی پرسنل و…

مشکل اساسی در بورس یکی دیگر از مشکلات اساسی در بازار بورس حجم زیاد اطلاعات است که نیروی انسانی همیشه در تحلیل به موقع این اطلاعات دچار ضعف هستند.

هم اکنون بیش از۷۰۰ نماد در این بازار موجود است . شما بگویید چطور می توان در یک صدم ثانیه کلیه نماد ها را تحلیل و آنالیز نمائید.

آیا سریعاًمتوجه خواهید شد کدام نماد ها را باید خرید و کدام را فروخت؟

برنامه نویس هستی؟

ادعات میشه که مو لای درز کدهایی که می نویسی توسعه میدی نمیره؟
چند تا نمونه کار در حوزه بورس و بازار سرمایه داری؟
جالب است که در سراسر جهان سالانه چندین میلیون پروژه استارتاپی بلاک چین (ارز دیجیتال) و هوش مصنوعی در حوزه سرمایه گذاری و سود کلان از طریق طراحی پلتفرم های تحت وب، اپلیکیشن و سیستم عامل های متنوع ارائه می گردد.
سهم ایران از این رقم چقدر است؟
شاید یک هزارم کشورهای توسعه یافته و پیشرفته!
درسته که که هوش مصنوعی باید به جایگاهی برسد که با هوش انسانی هیچ فرقی نداشته باشد.
درست است که پیشرفت‌هایی در این مورد انجام گرفته
درسته که هوش مصنوعی هم‌چنان تحت سلطه هوش انسانی و از آن کمتر است.

اما از قابلیت، سرعت عمل و صرفه جویی توی زمان چیزیه که سرمایه گذارهای بورس و تحلیل گران بهش نیاز دارن تا همزمان با بررسی نیازی به گرفتن سیگنال از کانال های مختلف نداشته و راحت بازار بورس را تحلیل کند.

اقتصاد دانی؟

یکی از تکنیک های تحلیل کامل و جامع بازار مالی و سرمایه گذاری بورس، محاسبه عرضه و تقاضا در بازارهای داخلی و یا خارجی هستند که این دو فاکتور از مبانی علم اقتصاد کلان سرچشمه می گیرند.

در یک سال به یک تحلیلگر پول ساز و تراز اول بورس ایران تبدیل شوید و بازار بورس و معاملات اقتصادی مهم ترین اهمیت هوش مصنوعی شاید در خستگی ناپذیر بودن و احساساتی نبودن استفاده از هوش مصنوعی است.

این موضوع می تواند منجر به افزایش دقت و کاهش خطا در سرمایه گذاری های انسانی گردد.

از سوی دیگر برخلاف انسان تصمیمات احساسی نیز نخواهد گرفت. تمامی افرادی که قصد سرمایه گذاری در بازار بورس را دارند، بدون شک در مورد هوش مصنوعی در بورس مطالبی شنیده اند.

در دنیایی زندگی می کنیم که بسیاری از فعالیت ها به صورت الکترونیکی هستند و هوش مصنوعی کل جنبه های زندگی ما را دچار تغییرات اساسی می نماید. از این رو گذراندن دوره های آموزش هوش مصنوعی می تواند در هر زمینه ای به بشر کمک رسان باشد.

یکی از مهمترین حوزه هایی که از هوش مصنوعی می توان بهره بالایی برد، بازار بورس و معاملات اقتصادی می باشد. کل امور مالی و معاملات نیاز به تحلیل دقیق، منطقی و هوشمندانه دارند که فهم هر یک از این تحلیل ها، نیاز به هوش مصنوعی دارد.

کسب درآمد از هوش مصنوعی

کسب درآمد از هوش مصنوعی کاربرد های استفاده از هوش مصنوعی مسلماً استفاده از هوش مصنوعی در زمینه های وسیعی کاربرد دارد. زمینه های گوناگون که همگی به هوش مصنوعی نیاز دارند. افرادی که اقدام به کسب آموزش هوش مصنوعی می نمایند، در اصل می توانند با دقت بیشتری به کارهای خود را انجام دهند.

هوش مصنوعی در بورس

ورود هوش مصنوعی در بورس آرزوی خیلی هاست. فکر کنید الگوریتمی داشته باشید که بتواند قیمت سهام را پیش‌بینی کند! بهتر از این نمی‌شود نه؟ هدف از این پست، تحلیل بورس با هوش مصنوعی است. برای این کار ما از یادگیری عمیق و شبکه‌ای مبتنی بر LSTM استتفاده کرده‌ایم. در این پست نحوه پیش پردازش داده‌های بورسی، تعریف شبکه و آموزش آن را فراخواهید گرفت. پس با هوسم همراه باشید …

نحوه دریافت اطلاعات بورس

قطعا برای پیش‌بینی قیمت سهام با یادگیری عمیق نیاز به داده داریم. هوش مصنوعی در بورس بدون داده مگر می‌شود؟! یکی از راه‌های دسترسی به داده‌های بورسی، وبسایت ALPHA VANTAGE است. این وبسایت امکان دسترسی به اطلاعات بازار سهام NASDAQ را فراهم کرده است. بازار سهام NASDAQ بزرگترین بازار سهام الکترونیک در جهان است که در قلب آمریکا قرار دارد. با استفاده از سایت ALPHA VANTAGE می‌توان به قیمت روزانه سهام NASDAQ در 20 سال گذشته دسترسی داشت.

یکی از ویژگی‌های مثبت و مفید ALPHA VANTAGE این است که یک python wrapper برای آن وجود دارد. یعنی شما می‌توانید پکیج ALPHA VANTAGE را در پایتون نصب کنید. سپس با استفاده از آن پکیج، داده‌های موردنظرتان را دانلود کنید. در بخش بعدی ما نحوه نصب پکیج ALPHA VANTAGE در پایتون را آموزش خواهیم داد.

نحوه نصب ALPHA VANTAGE در پایتون

گفتیم برای استفاده از هوش مصنوعی در بورس به داده نیاز داریم. و یکی از راه‌های دریافت داده های بورسی سایت ALPHA VANTAGE است. یکی از راه‌های نصب پکیج ALPHA VANTAGE ، استفاده از pip install است. اگر روش‌های دیگر را ترجیح می‌دهید این لینک را باز کنید. برای نصب ALPHA VANTAGE با pip ابتدا پوشه‌ای که پایتون در آن نصب است را باز کرده و سپس در باکس directory عبارت cmd را تایپ کنید. پس از اینکه command prompt باز شد عبارت زیر را تایپ کنید:

پس از اجرا کردن کد بالا، ALPHA VANTAGE نصب خواهد شد و می‌توان در پایتون از امکانات آن استفاده کرد.

در بخش بعدی نحوه خوانده داده ها با کتابخانه alpha_vantage را خواهیم گفت.

خواندن داده‌ها از سایت ALPHA VANTAGE

در این بخش از پست « هوش مصنوعی در بورس » می‌خواهیم یک تابع برای خواندن داده‌های بورسی از alpha_vantage بنویسیم. ورودی این تابع، کد API و نام سهام است. اما کد API را از کجا بیاوریم. وارد سایت ALPHA VANTAGE شوید. پس از ورود به سایت، گزینه GET YOUR FREE API KEY TODAY را انتخاب کنید.

سپس صفحه جدیدی باز می‌شود. در صفحه جدید ابتدا باید مشخص کنید که شما که هستید. من در این بخش student را انتخاب کردم. در بخش بعدی اسم شرکت، دانشگاه و … را وارد کنید. در بخش سوم ایمیل خود را وارد کرده و در نهایت تیک من روبات نیستم را بزنید. سپس روی GET FREE API KEY کلیک کنید. پس از این کار کد API برای ما صادر خواهد شد:

خب این از کد API، حالا برویم سراغ نوع خروجی. ما می‌توانیم داده‌ها را با سه فرمت json، pandas و csv دریافت کنیم. به صورت زیر می‌توانیم این کار را انجام دهیم:

نوشتن تابع برای دریافت داده های بورسی

حالا کد API را داریم. می‌خواهیم فرمت خروجی pandas باشد. همچنین می‌خواهیم سهام شرکت مایکروسافت را بررسی کنیم. برای خواندن داده‌های مربوط به سهام مایکروسافت، یک تابع به نام get_data می‌نویسیم. ورودی این تابه کد API و نام سهام هستند. در تابع get_data، ابتدا ماژول TimeSeries را از کتابخانه alpha_vantage فراخوانی می‌کنیم. سپس با استفاده از TimeSeries ، کد API و نوع خروجی را مشخص می‌کنیم. برای دریافت اطلاعات روزانه از دستور get_daily استفاده می‌کنیم. ورودی این دستور نام سهام موردنظرمان است. نشان شرکت مایکروسافت در بازار سهام، MSFT است. بنابراین تابع مورد نظرمان به شکل زیر تعریف می‌شود:

حالا می‌توانیم داده‌های شرکت مایکروسافت را با استفاده از تابعی که نوشتیم دریافت کنیم. پس از دریافت داده‌ها آن‌ها را نمایش می‌دهیم.

به جای ستاره کد API که گرفتید را وارد کنید. با اجرای کد بالا خواهیم داشت:

مشاهده می‌کنید که داده‌ها از سال 2000 تا سال 2020 وجود دارند. در هر تاریخ 5 مولفه وجود دارد. این مولفه‌ها عبارتند از قیمت سهام هنگام باز شدن بازار، بیشترین قیمت سهام، کم‌ترین قیمت سهام، قیمت سهام هنگام بسته شدن بازار و حجم معادلات. ما تصمیم داریم که از این 5 مولفه استفاده کنیم و قیمت سهام هنگام باز شدن بازار را تخمین بزنیم. اما قبل از تعریف مدل، نیاز داریم که داده‌ها را پیش‌پردازش کنیم. همچنین باید تعدادی از داده‌ها را برای ارزیابی و اعتبارسنجی جدا کنیم. پس برویم سراغ بخش بعدی، یعنی پیش پردازش داده های بورسی…

پیش پردازش داده های بورسی با پایتون، نامپای و پانداز

در بخش قبل از پست « هوش مصنوعی در بورس » دیدیم که داده‌ها چه ساختاری داشتند. در این بخش می‌خواهیم داده‌ها را برای ورود به شبکه آماده کنیم. اولین کاری که باید انجام بدهیم، حذف سربرگ‌ها و تاریخ‌ها است. مدل یا شبکه به سربرگ‌ها و تاریخ نیازی ندارد. فقط عدد می‌خواهد! برای این کار به سادگی داده‌ها را ابتدا به دیتافریم تبدیل کرده و سپس آن‌ها را به numpy تبدیل می‌کنیم تا کار با آن راحت‌تر باشد:

تقسیم داده‌ها برای آموزش، اعتبارسنجی و ارزیابی

خب حالا باید داده‌های آموزش و تست را از هم جدا کنیم. 80 درصد از داده‌ها را به آموزش، 10 درصد به اعتبارسنجی و 10 درصد باقیمانده را به تست اختصاص می‌دهیم:

هوش مصنوعی در بورس استانداردسازی داده‌ها با Scikit-learn

با نگاهی به داده‌ها متوجه خواهیم شد که داده‌ها به استانداردسازی نیاز دارند. استاندارد‌سازی یعنی رنج مقادیر برای همه ویژگی‌ها یکسان شود. برای استانداردسازی روش‌های مختلفی وجود دارد. یکی از این روش‌ها استفاده از مینیمم و ماکزیمم مقدار داده است.

برای داده‌های ما رنج قیمت‌ها و حجم معاملات بسیار متفاوت هستند. بنابراین باید داده‌ها استاندارد شوند. ما استانداردسازی را با استفاده از کمترین و بیشترین مقدار داده‌ها انجام خواهیم داد. برای این کار از کتابخانه scikit-learn و ماژول preprocessing استفاده می‌کنیم. به این منظور، ابتدا با استفاده از دستور preprocessing.MinMaxScaler().fit، مینیمم و ماکزیمم داده‌های آموزش را بدست می‌آوریم. سپس داده‌های تست و آموزش را با کمک Min و Max داده‌های آموزش، استاندارد می‌کنیم.

دقت کنید که ما به هیچ عنوان نمی‌توانیم داده‌‌های اعتبارسنجی و تست را با Min و Max خودشان استاندارد کنیم. اگر این کار را بکنیم درواقع به شبکه تقلب رسانده‌ایم. بنابراین همه داده‌ها را با Min و Max داده‌های آموزش، استاندارد می‌کنیم.

گفتیم که ما می‌خواهیم قیمت سهام در هنگام باز شدن بازار را تخمین بزنیم. ما در این پروژه داده‌های مربوط به 50 روز را به شبکه می‌دهیم و می‌خواهیم مقدار قیمت opening سهام را در روز بعد تخمین بزند. به همین دلیل ابتدا داده‌ها را 50 تا 50 تا جدا می‌کنیم. همینجا مقدار قیمت openning را در روز 51اُم را نیز به عنوان برچسب جدا می‌کنیم. برای این کار نیز یک تابع می‌نویسیم:

سپس با استفاده از تابعی که نوشتیم، داده‌های آموزش، اعتبارسنجی و تست را 50تا 50تا جدا کرده و برچسب‌هایشان را نیز جدا می‌کنیم.

خب تا اینجا ما داده‌های آموزش و تست را آماده کردیم. قدم بعدی تعریف مدل است. پس برویم سراغ تعریف مدل…

تعریف مدل LSTM با کراس

در بخش قبل از پست « هوش مصنوعی در بورس » ، داده‌ها را برای خوراندن به شبکه آماده کردیم. در این بخش می‌خواهیم شبکه را با تنسورفلو 2 و کراس تعریف کنیم. شبکه‌ای که تعریف می‌کنیم ساختار ساده‌ای دارد. این شبکه از یک لایه LSTM و دو لایه Dense تشکیل شده است. برای بهینه‌سازی از Adam optimizer و اتلاف MSE استفاده می‌کنیم. نرخ یادگیری را نیز برابر با 0.001 در نظر می‌گیریم :

مدلی که تعریف کردیم را می‌توانیم با کد زیر رسم کنیم:

با اجرای کد بالا، لایه به لایه می‌توانیم ساختار شبکه را مشاهده کنیم:

خب حالا شبکه را با داده‌های آموزشی، آموزش می‌دهیم. برای این کار اندازه batch را برابر با 32 و تعداد تکرارها را 50 در نظر می‌گیریم. همچنین ترتیب داده‌ها را با shuffle بهم می‌ریزیم. با کمک call back، مدلی که کمترین مقدار اتلاف برای داده‌های اعتبارسنجی را دارد ذخیره کرده و از آن استفاده می‌کنیم.

نتیجه اجرای کد بالا به شکل زیر خواهد بود:

تحلیل نتایج آموزش شبکه LSTM در پیش بینی بورس

خب تا اینجا شبکه را با داده‌های آموزشی که آماده کردیم، آموزش دادیم. حالا باید ببینیم که این شبکه روی داده‌های تست چه عملکردی دارد. به این منظور ابتدا مدلی که ذخیره کرده بودیم را فراخوانی می‌کنیم. سپس داده‌های تست را به مدل می‌دهیم.

با اجرای کد بالا داریم:

مقدار اتلاف MSE برای پیش‌بینی که شبکه انجام داده، 0.00013 است! البته زیاد خوشحال نباشید. ما داده‌ها را scale کردیم. باید پیش‌بینی‌های شبکه را به مقدار واقعی برگردانده سپس اتلاف را محاسبه کنیم. برای این کار نیاز به برچسب (مقدار واقعی و scale نشده) داده‌های آموزش داریم. این مقادیر را جدا می‌کنیم. مقدار min و max آن را بدست می‌آوریم. سپس از این مقادیر برای برگرداندن پیش‌بینی شبکه به رنج واقعی خودش استفاده می‌کنیم:

خب حالا مقادیر پیش‌بینی شده توسط شبکه را با استفاده از scale_back به رنج واقعی تغییر می‌دهیم. سپس مقدار اتلاف را برای داده‌های تست محاسبه می‌کنیم:

مقدار MSE برابر با 9.3 به‌دست می‌آید که نتیجه خوبی است. این مقداری که برای اتلاف به دست آوردیم، مقدار میانگین روی همه داده‌های تست است. شاید بخواهید ببینید برای تک‌تک داده‌ها، شبکه چطور پیش‌بینی کرده است. برای این کار کافی است نمودار مقدار واقعی و مقدار پیش‌بینی شده توسط شبکه را بکشیم:

با اجرای کد بالا داریم:

مشاهده می‌کنید که مقدار پیش‌بینی شده همواره تغییراتِ مقدار واقعی قیمت سهام را دنبال می‌کند. تقریبا در همه روزها، مقدار پیش‌بینی شده کم‌تر از مقدار واقعی است. شاید دلیل این مسئله، قدیمی‌تر بودن داده‌های آموزش باشند. یعنی با گذشت زمان، مقدار قیمت سهام شرکت مایکروسافت افزایش یافته است و ما داده‌های قدیمی‌تر که قیمت سهام پایین‌تر بود را به شبکه برای یادگیری داده‌ایم. از این رو شبکه مقدار قیمت را کمی کمتر از مقدار واقعی تخمین می‌زند.

تذکر این پروژه صرفا برای یادگیری نحوه کار با داده‌های بورسی ارائه شده است. پس لطفا از اتکا به این پروژه در معاملات بورسی شدیدا پرهیز کنید.

منبع مقاله هوش مصنوعی در بورس

پست « هوش مصنوعی در بورس » برگرفته از این مقاله است. در مقاله منبع، یک اشتباه ناشیانه در بخش پیش‌پردازش داده انجام شده بود که در این پست به طور کامل رفع شده است.

در پست « هوش مصنوعی در بورس » ما توانستیم قیمت openning سهام مایکروسافت را با کمک شبکه LSTM پیش‌بینی کنیم. پروژه‌ای که انجام دادیم بسیار ساده است و راه برای بهبود آن زیاد است. به هر حال این پروژه برای آشنا شدن با نحوه کار با داده‌های بورسی کافی است. امیدوارم این آموزش مورد توجه شما قرار گرفته باشد. نظرات و سوالات خود را پایین 👇 برایمان کامنت کنید. حتما سوالات شما پاسخ داده خواهد شد.

پایان‌نامه
کارایی تکنیک¬های هوش مصنوعی در پیش¬بینی قیمت سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران ( تکنیک¬های مبتنی بر شبکه عصبی ، الگوریتم ژنتیک خطی و الگوریتم ژنتیک غیر خطی)

چکیده:
پیش بینی آینده در عرصه پویای اقتصاد و بازار سرمایه یکی از مهمترین مسائل مورد بحث در علوم مالی بوده است. ویژگی مسائل اقتصادی و تجاری این است که به شدت تحت تاثیر مسائل اجتماعی ، سیاسی و فرهنگی هستند و بسیاری از پارامترهای آنها ناشناخته است و با روشهای کمی به سختی قابل اندازه گیری می باشند . روشهای کلاسیک مانند رگرسیون گرچه توفیقات نسبی در این زمینه ها داشته اند ، اما نتایج آن نتوانسته است پژوهشگران این عرصه را راضی نماید. بنابراین ارائه مدل مناسب برای پیش بینی شاخص بورس از اهمیت و کاربرد بسیار بالایی برخوردار است . امروزه از الگوهای مختلفی مانند ، تکنیکهای آماری و تکنیکهای هوش مصنوعی و یا ترکیبی از این دو تکنیک برای پیش بینی قیمت سهام استفاده میشود . هدف از این تحقیق بکارگیری تکنیکهای هوش مصنوعی از جمله شبکه عصبی و الگوریتم ژنتیک خطی و غیر خطی به منظور پیش بینی قیمت سهام ماه آینده می باشد. در این تحقیق سه الگوی پیش بینی قیمت سهام ( الگوهای مبتنی بر شبکه عصبی ، الگوریتم ژنتیک خطی و الگوریتم ژنتیک غیر خطی ) برای پیش بینی قیمت سهام ماه آینده با استفاده از متغیرهای مستقل : میانگین قیمت سهم ، بالاترین قیمت سهم ، پایینترین قیمت سهم ، تعداد دفعات خرید و فروش یک سهم ، نسبت P/E ، EPS سهم ، نرخ تورم و نرخ ارز در بین سالهای 1386 – 1390 ( به صورت ماهانه) تدوین و استفاده گردیده است.اطلاعات استفاده شده در این تحقیق شامل اطلاعات شرکتهای نمونه سیمان خزر و سیمان شاهرود می باشد.

کارایی تکنیک¬های هوش مصنوعی در پیش¬بینی قیمت سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران ( تکنیک¬های مبتنی بر شبکه عصبی ، الگوریتم ژنتیک خطی و الگوریتم ژنتیک غیر خطی) 3/21/2013 12:00:00 AM

استفاده از هوش مصنوعی برای کشف تخلفات بورس از سال آینده

تهران - ایرنا - مدیر عامل شرکت مدیریت فناوری بورس گفت: با توجه به افزایش حجم معاملات در نظر داریم که در سال آینده از هوش مصنوعی برای کشف تخلفات در بازارسرمایه استفاده کنیم. در این زمینه زیرساخت‌های جدیدی در حال تهیه است که بتوانیم پاسخگوی حجم زیاد اطلاعات در سامانه‌های مرتبط باشیم.

به گزارش روز شنبه ایرنا از پایگاه خبری بازار سرمایه ایران، «روح الله دهقان» در زمینه نظارت در بازارسرمایه توسط سامانه های مرتبط افزود: سامانه معاملات توسط بخشی از سامانه نظارتی الحاق شده اش مورد رصد کامل قرار دارد، بطوریکه ناظر بازار می تواند به شکل زنده بر آمار و ارقام و اطلاعات لازم نظارت داشته باشد.

وی خاطرنشان کرد: گسترش نیازمندی های نظارتی که ناظر بازار در طول دهها ساله گذشته به آن نیاز داشته ، بخش نظارتی بازارسرمایه همواره در حال به روز شدن و توسعه است. از سال ۷۳ که بستر الکترونیکی سامانه معاملات فراهم شد و بنابر نیازهایی که ناظر بازار داشت، سامانه های نظارتی متعددی توسط شرکت مدیریت فناوری توسعه پیدا کرده و در اختیار قرار گرفته است.

دهقان اضافه کرد: بررسی ها نشان می دهد در ۱۰ سال گذشته عمده این امور توسط سامانه ای به نام «بیدار» انجام شده است، این سامانه بستر یکپارچه دسترسی به اطلاعات راهبردی است که در شرکت مدیریت فناوری بورس توسعه پیدا کرده و کاملا در اختیار متخصصان داخلی شرکت قرار دارد. این سامانه با تجمیع اطلاعات مختلف معاملات، پس از معاملات و دارایی افراد در تلاش است تا تمام نیاز ناظر بازار را در قالب گزارش ها و هشدارهای مورد نظر در اختیار قرار دهد.

مدیر عامل شرکت مدیریت فناوری بورس توضیح داد: همان طور که در بالا اشاره شد، این سامانه عمری حدود ۱۰ سال دارد. قبل از آن سامانه های مرتبط به طور جزیره ای وجود داشتند؛ بطوریکه هر بخش از نظارت توسط یک سامانه مخصوصی انجام می شد، ولی از زمان ایجاد سامانه بیدار، تمامی این سامانه ها تجمیع شده و داخل سامانه واحد نظارتی قرار گرفتند. از آن زمان به بعد مرجع عمده نظارت های سازمان بورس و اوراق بهادار، سامانه بیدار است که گزارش‌های متعددی را دریافت می کند و تمام اطلاعات مورد نیاز را بطور تکمیل شده در اختیار ناظر قرار می دهد.

وی افزود: واقعیت اینکه با توجه به افزایش معاملات در سال ۱۳۹۹ و همراه با افزایش ورود مردم به بازارسرمایه شاید بتوان گفت در مواردی نظارت ها با کندی همراه شده باشد، اما باید توجه داشت، زمانیکه حجم معاملات افزایش زیادی پیدا می کند، احتمال کندی وجود دارد هرچند که از نظر دسترسی به سامانه مشکلی در این بازه زمانی وجود نداشت.

دهقان تصریح کرد: با وجود فشار زیادی که به این سامانه امسال وارد شد، ولی این سامانه همیشه فعال و گزارش های مورد نیاز را در اختیار ناظر قرار داده است؛ پاسخگویی در این زمینه که گزارش های نظارتی منجر به اقدام خاصی شده باشد یا خیر، مرتبط به حوزه های نظارتی است ولی از نظر سامانه ای با مشکل خاصی در این زمینه رو به رو نبودیم.

پیش بینی قیمت سهام فارکس با هوش مصنوعی

باید بگوییم اندیشه ی ایجاد بازار بورس زمانی شکل گرفت که عده ای از بازرگانان اروپایی از فعالیت های تجاری خود ضرر کردند، بنابراین به فکر راه حلی افتادند تا به وسیله ی آن بتوانند جلوی این ضرر را بگیرند و یا آن را به حداقل برسانند. نتیجه آن شد که تعدادی از بازرگانان عده ای را در فعالیت های خود شریک کردند تا با این روش سود و زیان احتمالی را با آنها تقسیم کنند. این تجربه موفقیت آمیز بود لذا به تدریج هر تاجری سعی می کرد تا فعالیت های تجاری خود را با این روش ادامه دهد؛ به خصوص که این روش برای افرادی که فعالیت های بزرگ اقتصادی انجام می دادند بسیار مطلوب تر بود. رفته رفته این تجربه قانونمند شد و به تشکیل شرکت های سهامی تبدیل گردید. بورس کلمه‌ای فرانسوی است و معنای آن در زبان فرانسه کیف پول می‌باشد. تاریخچه پیدایش واژه بورس هم به قرن پانزدهم میلادی بازمی‌گردد. در آن زمان، بازرگانان و کسبه‌ شهری به نام بورُوژ (Bruges) در شمال غربی بلژیک، در میدانی به نام تِربورس (TerBeurze) در مقابل خانه‌ بزرگ‌زاده‌ای به نام «واندِر بورس» جمع می‌شدند و به خریدوفروش کالاهای خود بر اساس حراج می‌پرداختند. از آن تاریخ به بعد مکان‌هایی که مردم در آنجا به حراج کالا مبادرت می‌کردند و به‌تدریج شکل توسعه‌یافته‌تر و مسقف به خود گرفت، بورس می‌گفتند. به زبان ساده می‌توان گفت که بازار مکانی است که در آن خرید و فروش انجام می‌شود. حال این بازار می‌تواند یک مکان فیزیکی یا در بستری مانند اینترنت باشد. آنچه خریداران و فروشندگان معامله می‌کنند، دارایی‌هایشان است که می‌تواند واقعی یا مالی باشد. دارایی‌های واقعی همان دارایی‌های فیزیکی مانند خانه، زمین، خودرو و… هستند. در هوش مصنوعی در بورس طرف مقابل، دارایی‌های مالی اسنادی مانند سهام و اوراق مشارکت را در بر می‌گیرند. بورس را در یک تعریف بسیار ساده، می‌توانیم یک بازار در نظر بگیریم. همانطور که در بازار، انواع کالا در قبال پول معامله می‌شوند، در بورس نیز دارایی‌های مختلفی معامله می‌شوند. با این تفاوت که می‌توانیم بورس را یک بازار رسمی و دائمی بنامیم.

مزایای سرمایه ‌گذاری در بورس؟

همین که بازار بورس توانسته بین فعالیت‌های اقتصادی مردم جا باز کند و توسعه خوبی در اقتصاد ایران داشته باشد، نشان می‌دهد نسبت به دیگر بازارهای مالی برتری‌ها و مزایایی دارد که باعث شده سرمایه‌گذاران به آن جذب شوند. مزایایی که به طور خلاصه عبارتند از:

• امکان سرمایه گذاری در بورس با مبالغ کم و محدود
• شفافیت اطلاعات
• نقدشوندگی بالا
• گزینه های متنوع سرمایه گذاری
• حفظ سرمایه در برابر تورم
• بازار قانونی و شرعی
• کسب بازدهی بالاتر

چرا یاد گیری بورس و پیش بینی سهام ضرورت دارد؟

بورس برای تمام کسانی که به دنبال شغل دوم و یا سرمایه گذاری در یک فضا با بازدهی خوب میگردند بسیار مناسب است بطوری که بسیاری از افراد بورس را شغل دوم و درآمد اول خودشان می دانند. نگرش به بورس در ایران منفی است و افراد فکر میکنند که بورس ریسک بالایی دارد و ممکن است یک روزه سرمایه گذار را بدبخت کند و تمام سرمایه اش از بین برود؛ ولی این نگاه کاملا اشتباه است مخصوصا برای بازار ایران که دارای محدودیت دامنه نوسان ۵ درصدی می باشد. سرمایه گذاری در ایران برای حفظ ارزش پول برای همه افراد از اهمیت بالایی برخوردار است. متاسفانه به دلیل تورم بالا و عدم ثبات در اقتصاد کشور باید گزینه مناسبی برای سرمایه گذاری پیدا کنیم تا از بی ارزش شدن پولمان در درجه اول جلوگیری کنیم؛ در این دوره شما به طور کامل متوجه خواهید شد که چرا بورس بهترین گزینه ی سرمایه گذاری نه تنها در ایران بلکه در تمام دنیاست و این نوع سرمایه گذاری چه تاثیری را می تواند در زندگی شما و در اقتصاد کشور داشته باشد.

روش های مرسوم برای پیش بینی قیمت سهام در بورس؟

درک عرضه و تقاضا و تغییرات قیمتی ناشی از آن بسیار آسان است؛ اما آنچه دشوار است، فهم آن چیزی است که به تغییرات عرضه و تقاضا در بازار سهام می‌انجامد و سبب می‌شود برخی خواهان یا خریدار سهم خاصی شوند و برخی دیگر، رویگردان یا فروشنده آن باشند.

تحلیل تکنیکی:

سهام، مطالعه و بررسی قیمت سهام است. در این تحلیل فقط از نمودار قیمت‌ها، حجم معاملات و مقادیر محاسبه‌ شده از قیمت‌ها استفاده می‌شود و محتوای اطلاعات فقط قیمت و حجم معاملات است. تجزیه‌وتحلیل تکنیکی به‌هیچ‌وجه به بررسی نقاط ضعف یا قوت ساختار شرکت یا صنعت نمی‌پردازد؛ بلکه هدفش بررسی رفتار سرمایه‌گذار و روند تغییرات قیمت است. به‌عبارتی‌دیگر، تحلیل تکنیکی، مطالعه رفتارهای بازار با استفاده از نمودارها و باهدف پیش‌بینی آینده روند قیمت‌ها است.

سه محور اصلی در مباحث تحلیل تکنیکال به شرح زیر است:

• همه‌چیز در قیمت لحاظ شده است
• قیمت‌ها براساس روندها حرکت می‌کنند
• تاریخ تکرار می‌شود

تحلیل بنیادی:

بررسی علمی درباره عوامل اساسی تعیین ‌کننده ارزش سهام را تجزیه‌وتحلیل بنیادی می‌نامند. در این نوع تحلیل از اطلاعات وسیعی مانند اطلاعات درون شرکت، نسبت‌های مالی، میزان استفاده از ظرفیت، طرح‌های توسعه، دریافتی‌های احتمالی شرکت بابت مابه‌التفاوت، سوبسیدها و… استفاده می‌شود. نخستین مسئله‌ای که هر سرمایه‌گذار در تحلیل بنیادی باید حل کند، انتخاب صنعت است. اگر در بحران اقتصادی باشیم و میزان بیکاری نیز زیاد باشد و تمام سعی مردم تنها پرداخت بدهی‌هایشان باشد، احتمالاً صنایعی از قبیل صنایع غذایی، نفت و خرده‌فروشی مورد توجه قرار می‌گیرد و هرگاه که اوضاع اقتصادی کشور رونق داشته و نرخ بیکاری کاهش یابد، صنایعی نظیر فناوری که بر اوضاع کشور تأثیرگذار هستند، برای سرمایه‌گذاری بررسی می‌شوند.

هوش مصنوعی برای پیش بینی قیمت سهام؟

پیش ­بینی تغییر قیمت سهام به عنوان یک فعالیت چالش­انگیز در پیش ­بینی سری­های زمانی مالی در نظر گرفته می­شود. یک پیش­بینی صحیح از تغییر قیمت سهام می­تواند سود زیادی را برای سرمایه­گذاران به بار آورد. با توجه به پیچیدگی داده­های بازار بورس، توسعه مدل­های کارآمد برای پیش­بینی بسیار دشوار است. از جمله جدیدترین زمینه ها در این مورد، استفاده از شبکه های عصبی برای پیش بینی رفتارهای قیمتی سهام است. پیشرفت ها در حوزه هوش مصنوعی و یادگیری ماشین به خصوص درزمینه محاسبات تکاملی نه تنها ما را قادر به تجزیه وتحلیل موثرتر داده ها نموده است، بلکه این امکان را فراهم ساخته که از آن ها برای فهم هرگونه الگوی زیربنایی بازارهای مالی استفاده گردد. اقتصاددانان، آماردانان و مدرسان امور مالی همواره علاقه مند به توسعه و آزمایش مدل های رفتاری قیمت سهام بوده اند. XCS سامانه ای مرکب از الگوریتم ژنتیک و یادگیری تقویتی است که به صورت برخط با محیط در تعامل بوده و توانایی یادگیری از تجربه های خود را دارد. شبکه های عصبی (NN) یکی از متدهای هوش مصنونی هستند که تاکنون در خارج از ایران تحقیقات زیادی بر روی کاربردهای آنها در حل مسائل اقتصادی انجام شده است، اما در داخل متاسفانه هنوز تلاشهای منسجمی را شاهد نیستیم ولی گاهگاهی حرکتهایی که وجود دارد وابسته به علائق شخصی متخصصان و محققان است. در یک کلام می توان گفت پیش بینی قیمت سهام در بورس نیازمند مشارکت ماشین و انسان است و باید انسان و ماشین بتوانند با همکاری همدیگر یک مدل یکپارچه را ارائه دهند. آنچه مهم است این است که هوش مصنوعی و یادگیری ماشین بخوبی می تواند به صورت تکنیکال قیمت سهام را پیش بینی کند.

هدف از این دوره آموزشی؟

هدف از این دوره آموزشی پیش بینی قیمت سهام در بورس با یادگیری عمیق و یادگیری ماشین است. سیستم پیش بینی قیمت سهام در بورس، سیستمی است که بر اساس تکنولوژی هوش مصنوعی و الگوریتم‌های یادگیری عمیق (Deep Learning) قادر به پیش بینی قیمت سهام در بورس با دقت بالا می‌باشد. در این دوره پیش بینی قیمت سهام در بورس با استفاده از الگوریتم های شبکه عصبی و تکنیک های Deep Learning به سرعت عملیات یادگیری را انجام داده و پس از آن به راحتی و با سرعت بالا پیش بینی قیمت سهام را مورد نظر را انجام می­دهد.هدف از این دوره عملی پیش بینی قیمت سهام در بورس با یادگیری عمیق در پایتون می باشد. در این دوره با فیلم آموزشی کامل روند پیش بینی قیمت سهام در بورس انجام می شود و مجموعه های داده ای معرفی می شوند و عملیات تست شبکه انجام می شود. خروجی های حاصل از پیش بینی قیمت سهام در بورس روی هر یک از شبکه ها نشان داده می شود. این آموزش به زبانی ساده و روان و کاربردی آماده شده است که خواننده می تواند در مدت زمان کوتاهی مفاهیم اصلی را درک کرده و بتواند کارهای علمی پژوهشی یا کاربردی خوبی را بر پایه این آموزش ها انجام داد. در بخش اول تئوری کامل پیش بینی قیمت سهام در بورس همراه الگوریتم های مختلف بحث و بررسی می شود و تمامی آنجه برای پیش بینی قیمت سهام در بورس لازم دارید به شما آموزش داده می شود. در بخش دوم آموزش پیاده سازی کامل پیش بینی قیمت سهام در بورس با پایتون را یاد خواهید گرفت. جزئیات این دوره آموزشی در زیر لیست شده است. بدون شک بهترین دوره ردیابی در ویدئو با زبان فارسی می باشد که با زبان ساده و روان توضیح داده شده است. امیدواریم که این آموزش از “بیگ لرن” هم مثل سایر آموزش ها مورد تایید و رضایت شما مخاطبان گرامی قرار گیرد.