فهرست نشریات علمی دسترسی آزاد ایران

در این پژوهش، یک استراتژی معاملاتی مبتنی بر خوشه‌بندی داده‌ها ی قیمتی با استفاده از الگوریتم ماشین لرنینگ DBSCAN ارائه و عملکرد آن در بازار بورس تهران ارزیابی شده است. برای این منظور، داده‌های تاریخی نمادهای معاملاتی در بازار بورس مورد بررسی قرار گرفت و ویژگی‌های کلیدی از داده‌های قیمت و حجم استخراج شده است. عملکرد این استراتژی با استفاده از شاخص‌ بازدهی استراتژی ها مقایسه شد و نتایج آن با یک روش آماری کلاسیک (بر اساس توزیع نرمال و تحلیل انحراف معیار) و استراتژی سنتی خرید و نگه‌داری مقایسه گردید . نتایج نشان داد که استراتژی مبتنی بر DBSCAN ، با توانایی شناسایی خوشه‌های پیچیده و داده‌های پرت، عملکرد بهتری نسبت به روش آماری داشته و بازدهی بیشتری ارائه کرده است. همچنین، این استراتژی در مقایسه با استراتژی خرید و نگه‌داری نه تنها بازدهی بالاتری داشت، بلکه توانست ریسک معاملاتی را در بازارهای رنج و نزولی کاهش دهد. یافته‌های این تحقیق نشان می‌دهد که استفاده از الگوریتم‌های پیشرفته خوشه‌بندی می‌تواند ابزار موثری برای تحلیل بازارهای مالی و تصمیم‌گیری معاملاتی در بازار بورس تهران فراهم کند .