اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدتطوير نظام أمثليّ للتداول المالي باستخدام تقنيات الذكاء الصُنعي
Developing an Optimal Financial Trading System Using Artificial Intelligent Techniques
1869
0 24
0
(
0
)
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
تم في هذا البحث دمج تقنيتين من تقنيات الذكاء الصنعي، و هما خوارزمية أمثلية مستعمرة النمل (ACO) و الخوارزمية الجينية (GA) لتحقيق أمثلية نظام التعلم المُعزّز العودي لتداول الأسهم. و يعتمد نظام التداول المقترح على خوارزمية أمثلية مستعمرة النمل و الخوارزمية الجينية لاختيار مجموعة مثالية من المؤشرات الأساسية و الفنية لتحسين أداء التداول.
In this paper, it has merged two techniques of the artificial intelligent, they are the ants colony optimization algorithm and the genetic algorithm, to The recurrent reinforcement learning trading system optimization. The proposed trading system is based on an ant colony optimization algorithm and the genetic algorithm to select an optimal group of technical indicators, and fundamental indicators.
مراجعة الذكاء الصنعي:
ملخص البحث
تتناول هذه الدراسة تطوير نظام تداول مالي باستخدام تقنيات الذكاء الاصطناعي، حيث تم دمج خوارزمية أمثلية مستعمرة النمل (ACO) والخوارزمية الجينية (GA) مع نظام التعلّم المُعزّز العودي (RRL) لتحسين أداء التداول. تم اختبار النظام المقترح باستخدام بيانات سوق دمشق للأوراق المالية، وأظهرت النتائج تحسنًا في أداء التداول من خلال زيادة عدد الشركات ذات نسبة Sharpe الموجبة وتحقيق قيم أفضل لنسبتي Treynor و Jensen. يعتمد النظام على اختيار مجموعة مثالية من المؤشرات الفنية والأساسية لتحسين أداء التداول، مما يعزز الربحية والاستقرار مقارنة بأنظمة التداول السابقة RRL و GA-RRL.
قراءة نقدية
دراسة نقدية: تعتبر هذه الدراسة خطوة مهمة نحو تحسين أنظمة التداول المالي باستخدام تقنيات الذكاء الاصطناعي، إلا أن هناك بعض النقاط التي يمكن النظر فيها لتحسين البحث. أولاً، قد يكون من المفيد توسيع نطاق البيانات المستخدمة لتشمل أسواق مالية أخرى لضمان تعميم النتائج. ثانيًا، يمكن النظر في دمج تقنيات ذكاء اصطناعي أخرى مثل خوارزمية النحل أو أسراب الطيور لتحسين اختيار المؤشرات. أخيرًا، يمكن تحسين الدراسة من خلال تحليل تأثير العوامل الاقتصادية والسياسية على أداء النظام المقترح، مما يضيف بعدًا إضافيًا لفهم أداء النظام في ظروف مختلفة.
أسئلة حول البحث
-
ما هي التقنيات المستخدمة في تطوير نظام التداول المقترح؟
تم استخدام خوارزمية أمثلية مستعمرة النمل (ACO) والخوارزمية الجينية (GA) مع نظام التعلّم المُعزّز العودي (RRL) لتطوير نظام التداول المقترح.
-
ما هي البيانات التي تم استخدامها لاختبار النظام المقترح؟
تم استخدام البيانات اليومية لسوق دمشق للأوراق المالية لاختبار النظام المقترح.
-
ما هي المؤشرات المستخدمة لتحسين أداء التداول في النظام المقترح؟
تم استخدام مجموعة من المؤشرات الفنية والأساسية التي تم اختيارها باستخدام خوارزميات ACO و GA لتحسين أداء التداول.
-
ما هي النتائج الرئيسية التي توصلت إليها الدراسة؟
أظهرت النتائج تحسنًا في أداء التداول من خلال زيادة عدد الشركات ذات نسبة Sharpe الموجبة وتحقيق قيم أفضل لنسبتي Treynor و Jensen، مما يعزز الربحية والاستقرار مقارنة بأنظمة التداول السابقة.
المراجع المستخدمة
J. Moody and M. Saffell, “Reinforcement Learning for Trading Systems and Portfolios,” Kdd, pp. 279–283, 1998
G. Molina, “Stock Trading with Recurrent Reinforcement Learning ( RRL ),” Direct
J. Cumming and L. Dickens, “An Investigation into the Use of Reinforcement Learning Techniques within the Algorithmic Trading Domain,” 2015
قيم البحث
اقرأ أيضاً
يرمي البحث بشكل أساسي نحو تحقيق الأهداف الثلاثة التالية:
- أولاً: دراسة و تحليل كل من فعاليتي تقييم أداء العاملين و التفقد اليومي في الجمهورية العربية السورية
كنماذج لفعاليات الكوادر البشرية التي يمكن الاستفادة من بياناتها ضمن تطبيقات الذكاء الصنعي
.
- ثانياً: دراسة و تحليل آليات عمل أحد آليات الذكاء الصنعي و هي التنقيب في المعطيات و اختيار
الأدوات المناسبة لمعالجة بيانات فعاليات الكوادر البشرية.
- ثالثاً: اقتراح نموذج تطبيقي للإدارة الذكية للموارد البشرية يستند إلى التنقيب في المعطيات لمعالجة
عينة البيانات التي تم جمعها بغية استكشاف المعرفة الكامنة داخل هذه المعطيات بما يدعم عملية
اتخاذ القرارات المتعلقة بالكوادر البشرية في مؤسسات الجمهورية العربية السورية و من ثم مقارنة أداء
التقنيات التي تم استخدامها و بيان مدى ملاءمتها لهذا النوع من المعطيات.
نتناولُ في هذه الأطروحةِ مسألة اَلهبوطِ الاضطراريِّ لطائرةٍ غيرِ مأهولةٍ ثابتةِ الجناحِ فاقدةٍ للدفعِ على أرضٍمستو يةٍ أو متسلقةٍ محدودةِ الأبعاد. نركز فُي بحثنا على الطائراتِ متوسطةِ الحجمِ التي ٺتطلبُ القيامَ بهبوطٍ تقليديٍّ على عجلات، بينما تقتصر
سُطوحُ التحكمِ المتوفرة فُيها على السطوحِ الرئيسيةِ فقط، أي دفةِ الارتفاعِ و دفةِ التوجيهِ و الجنيحات، دونَ أيِّ سطوحٍ مخصصةٍ للتحكمِ بالكبح.
قمنا في هذا البحث بإدخال خوارزمية اختيار السمات المستندة على الضبط
regularization للاستفادة من خصائص الخلخلة و تجميع السمات و ادراجه في مهمة تصنيف الصور الطبية، باستخدام الطريقة المعتمدة على خلخلة المجموعة group sparsity
التي تُمكن من الإبقاء أو ال
حذف على مجموعة كاملة من السمات. إن الفكرة الأساسية في خلخلة المجموعة هي حذف السمات التي لا تؤثر على عملية الاستعادة بدلاً من الإبقاء على هذه السمات و اعطائها أوزان قليلة، و بالتالي تعتبر كخوارزمية لتحسين النظام عن طريق زيادة دقة النتائج بالإضافة الى تخفيض المتطلبات الزمنية و التخزينية التي يحتاجها النظام.
انتشرت كلمة "البيانات الضخمة" في عام 2017 وأصبحت الأكثر شيوعًا في صناعة التكنولوجيا المتقدمة، حيث يستخدم التعلم الآلي الذي يسمح لأجهزة الكمبيوتر لتحليل البيانات السابقة والتنبؤ بالبيانات المستقبلية على نطاق واسع في الأماكن المألوفة. ويمكن لغير المتخص
صين في التعلم الآلي استخدامه أيضًا. ولدراسة الطريقة التحليلية للتعلم الآلي الإحصائي لا بد من التعرف على مفهوم الذكاء الاصطناعي وتصنيفه الرئيسي والتقنيات التحليلية المتضمنة والمتمثلة في التعلم الالي والتعلم العميق. لقد تطور التعلم الآلي بفضل بعض الاختراقات في مجال الذكاء الاصطناعي . وهي ادراك كفاءة تعليم أجهزة الكمبيوتر اضافة الى اختراع الانترنت. ويبقى للشبكات العصبية دور مهم وضروري لتعليم أجهزة الكمبيوتر التفكير مثل البشر ، حيث تُستخدم هذه الشبكات البيانات التي يستطيعون الوصول إليها لاتخاذ القرارات. وتوجد العديد من الخوارزميات للتعرف على التعلم الالي ،وما نؤكد عليه في دراستنا إظهار طرق وتطبيقات التحليل الإحصائي الآلي ، مثل "تحليل الانحدار" و "شجرة القرارات" و "طريقة متوسط k" و"تحليل الرابطة"
نُقدم في هذه المقالة طريقة، لإيجاد متحكم تكيّفيّ أمثل بالشكل المباشر للأنظمة الخطية
مستمرة الزمن، بدون معرفة المصفوفات الحركية للنظام. و تُوظف الطريقة المقترحة إحدى
تقنيات بحوث العمميات الذكية، و هي تقنية البرمجة الديناميكية التكيفية لحل معادلة ريك
اتي
الجبرية بشكل تكراري، باستخدام معلومات مباشرة من الحالة و الدخل، و بدون الحاجة إلى
معرفة مُسبقة لحركيات النظام. و يُمكن بالإضافة لذلك إجراء كل التكرارات باستخدام
معلومات الحالة و الدخل ذاتها لمرات عديدة و على بعض الفترات الزمنية الثابتة. كما تم
في هذه المقالة تطوير خوارزمية عملية مباشرة، و تم تطبيقها لتصميم متحكم أمثل بمحرك
ديزل نفاث مع إعادة تدوير غاز العادم.
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
