فهرست نشریات علمی دسترسی آزاد ایران

هدف : هدف این پژوهش ارائه یک راهنمای کاربردی برای سرمایه‌گذاری در بورس تهران از طریق ترکیب تکنیک ‌ های تحلیل تکنیکال با روش‌های پیشرفته یادگیری ماشین است. با تمرکز بر تحلیل سیگنال ‌ های خرید و فروش در شاخص‌های منتخب بورس تهران، تلاش شده است تا کارایی مدل‌های یادگیری ماشین در پیش ‌ بینی روند بازار بررسی شود. روش : در این تحقیق، داده‌‌های روزانه شش شاخص منتخب بورس تهران شامل شاخص‌های مالی، فرآورده‌های نفتی، خودرویی، دارویی، غذایی و فلزات اساسی از سال 1399 تا دی‌ماه 1403 مورد بررسی قرار گرفتند. چهار مدل یادگیری ماشین شامل مدل خطی، جنگل تصادفی، شبکه عصبی مصنوعی و رگرسیون بردار پشتیبان در کنار دو استراتژی تحلیل تکنیکال TEMA و MACD برای تولید و ارزیابی سیگنال ‌ های خرید و فروش استفاده شدند. یافته‌ها : نتایج نشان داد که مدل‌های یادگیری ماشین، به‌ویژه جنگل تصادفی و شبکه عصبی مصنوعی، در ترکیب با استراتژی‌های TEMA و MACD عملکرد بهتری در شناسایی سیگنال ‌ های خرید و فروش داشته‌اند. این مدل‌ها توانستند با دقت بالاتری روند بازار را پیش ‌ بینی کنند و سیگنال ‌ های تولیدشده توسط آنها در اغلب موارد با تغییرات واقعی قیمت همخوانی داشت. شاخص‌های غذایی، خودرویی و مالی حساسیت بیشتری به این تحلیل ‌ ها نشان دادند. نتیجه‌گیری : ترکیب روش‌های یادگیری ماشین با استراتژی‌های تحلیل تکنیکال می‌تواند به سرمایه ‌ گذاران ابزار قدرتمندی برای تصمیم ‌ گیری در بورس تهران ارائه دهد. این پژوهش نشان داد که استفاده از این روش‌ها نه تنها می‌تواند دقت سیگنال ‌ های خرید و فروش را بهبود بخشد، بلکه امکان کاهش ریسک سرمایه ‌ گذاری و افزایش بازده را نیز فراهم می‌آورد. بهره‌گیری از این مدل‌ها می‌تواند به‌عنوان بخشی از استراتژی سرمایه ‌ گذاری برای تحلیل ‌ گران و سرمایه ‌ گذاران پیشنهاد شود. اصالت : این پژوهش اولین مطالعه کمی است که به دنبال مفهوم‌سازی سیگنال ‌ های خرید و فروش به روش ترکیبی یادگیری ماشین و تحلیل تکنیکال به عنوان یکی از ابزارهای اساسی برای راهنمایی سرمایه ‌ گذاران می‌باشد.