پیش بینی جهت با فرکانس بالا و تجارت شبیه سازی معاملات آتی نفت خام با استفاده از ichimoku kinkohyo و مجموعه خشن فازی

با توسعه سریع اقتصاد چین در سی سال گذشته ، نفت خام به یک کالای اساسی و یک منبع استراتژیک برای چین تبدیل شده است. بنابراین ، موضوع پیش بینی قیمت نفت خام مورد توجه شرکت کنندگان و محققان بازار قرار گرفته است. در این مطالعه ، ما یک سیستم پشتیبانی از تصمیم گیری معاملاتی هوشمند به نام FRS-NSGA-II-SW پیشنهاد می کنیم ، که مجموعه ای خشن فازی (FRS) ، الگوریتم ژنتیکی مرتب سازی غیر تحت سلطه (NSGA-II) و پنجره کشویی را یکپارچه می کند (SW)) ، برای پیش بینی جهت قیمت با فرکانس بالا و تجارت شبیه سازی شده از معاملات آتی نفت خام در بازار چین. علاوه بر این ، یک شاخص فنی ژاپنی Ichimoku Kinkohyo برای استخراج ویژگی های حرکت با فرکانس بالا برای مدل پیشنهادی استفاده می شود. برای ارزیابی عملکرد جامع ، چهار اقدام ارزیابی ، از جمله نسبت HIT ، بازده انباشته ، حداکثر کشش و نسبت شارپ ، برای بررسی عملکرد روش پیشنهادی و روشهای معیار استفاده می شود. در نتیجه ، رویکرد پیشنهادی نسبت به میانگین 66. 84 ٪ ، میانگین بازده انباشته شده 20. 39 ٪ ، حداکثر حداکثر 8. 38 ٪ و نسبت شارپ 1. 22 ، که از تمام روش های معیار بهتر است ، تولید کرد. علاوه بر این ، نتایج آزمون فریدمن نشان می دهد که روش پیشنهادی به طور قابل توجهی از روشهای معیار از نظر دقت پیش بینی و توانایی سودآوری بهتر عمل می کند. علاوه بر این ، نتایج تجربی نشان می دهد که ادغام الگوریتم بهینه سازی چند هدف NSGA-II و روش یادگیری پویا SW با موفقیت عملکرد روش پیشنهادی را افزایش داده است. عملکرد عالی روش پیشنهادی نشان می دهد که می تواند به عنوان یک سیستم پشتیبانی تصمیم گیری هوشمندانه برای سرمایه گذاران و تنظیم کننده های بازار در بازار آتی نفت خام چینی استفاده شود.

معرفی

با توسعه سریع اقتصاد چین در سی سال گذشته ، نفت خام به یک کالای اساسی و یک منبع استراتژیک برای چین تبدیل شده است و تغییرات قیمت آن می تواند تأثیر بسزایی در اقتصاد کشور داشته باشد (دنگ و همکاران ، 2021a). از این رو ، تعداد زیادی از محققان در مورد پیش بینی قیمت نفت خام تحقیق کرده اند. برخی از این مطالعات نشان داد که جهت حرکت قیمت نفت خام می تواند بر اساس تجزیه و تحلیل عرضه و تقاضای آن پیش بینی شود (لو و همکاران ، 2020 ، وانگ و همکاران ، 2020). در سالهای اخیر ، رقابت فزاینده ای در بین تأمین کنندگان وجود دارد و انواع بیشتری از گزینه های انرژی توسعه یافته و تصویب شده است که منجر به کاهش عرضه نفت خام و انحراف قابل توجه در قیمت نفت خام شد. بنابراین ، پیش بینی قیمت نفت خام چالش برانگیزتر است (وانگ و همکاران ، 2020). به منظور توسعه یک سیستم هوشمند برای پیش بینی قیمت و شبیه سازی معاملات آتی نفت خام ، یک رویکرد جدید برای کمک به شرکت کنندگان در بازار در ایجاد سود و کاهش ریسک سرمایه گذاری ارائه شده است. علاوه بر این ، رویکرد پیشنهادی به عنوان یک سیستم هوشمند برای تنظیم کننده های بازار و مدیران شرکت مربوط به انرژی برای کمک به آنها در تصمیم گیری استفاده می شود.

در این مطالعه ، روش پیشنهادی برای پیش بینی جهت با فرکانس بالا از آینده روغن خام با هیبریداسیون مجموعه خشن فازی (FRS) ، الگوریتم ژنتیکی مرتب سازی غیر تحت سلطه (NSGA-II) و پنجره کشویی (SW) تهیه شده است. مواد و روش ها. معاملات شبیه سازی بر اساس سیگنال های پیش بینی شده و استراتژی های معاملاتی بهینه انجام می شود. برای ارزیابی عملکرد ، چهار اقدامی که شامل نسبت HIT ، بازده انباشته ، حداکثر کاهش و نسبت شارپ است ، برای بررسی جامع صحت ، سودآوری و ریسک تجارت مدل پیشنهادی استفاده می شود.

این مطالعه به طور عمده شامل سه سهم زیر است: 1) یک مدل ادغام جدید برای پیش بینی جهت از قیمت های آتی نفت خام با استخراج ویژگی ها از یک شاخص فنی ژاپنی به نام Ichimoku Kinkohyo ارائه شده است. 2) یک استراتژی تجاری پیشرفته با در نظر گرفتن کارکردهای شامل اهرم تجارت ، کاهش ضرر ، سودآوری و چند طبقه بندی طراحی شده است. علاوه بر این ، الگوریتم بهینه سازی چند هدف NSGA-II برای بهینه سازی پارامترهای معاملاتی با در نظر گرفتن اهداف سودآوری و ریسک معاملات اتخاذ شده است. 3) روش پنجره کشویی برای بخش مجموعه داده ها و آزمایشات اتخاذ شده است ، که می تواند پیش بینی جهت گیری دینامیکی و شبیه سازی معاملات قیمت آتی نفت خام را تحقق بخشد.

قسمت باقیمانده مقاله به شرح زیر است. بخش 2 عمدتاً مروری بر ادبیات اخیر و مرتبط در مورد پیش بینی سری زمانی مالی و کاربردهای روشهای یادگیری ماشین در پیش بینی بازار مالی ارائه می دهد. بخش 3 پیشینه رویکردهای ادغام شده در روش پیشنهادی ، از جمله Ichimoku Kinkohyo ، FRS و NSGA-II را معرفی می کند. بخش 4 توضیحات مفصلی از روش پیشنهادی ، از جمله ساختار اصلی آن و طراحی استراتژی تجارت را ارائه می دهد. طراحی آزمایش در بخش 5 توضیح داده شده است که شامل مجموعه داده های آزمایش ، روش های معیار و اقدامات ارزیابی است. بخش 6 نتایج و بحث های آزمایش را ارائه می دهد. بخش 7 این مطالعه را نتیجه می گیرد و چندین مسیر تحقیقاتی آینده را برای سایر محققان فراهم می کند تا این تحقیق را بیشتر گسترش دهند.

قطعه قطعه

بررسی ادبیات

برای پیش بینی سری زمانی مالی ، محققان عمدتاً از روشهای مبتنی بر تجزیه و تحلیل فنی ، مدل های اقتصاد سنجی و رویکردهای یادگیری ماشین استفاده می کنند. روشهای تجزیه و تحلیل فنی فرض می کنند که تاریخچه حرکت قیمت تا حدی تکرار می شود ، و حرکت تاریخی قیمت یا حجم معاملات نشان دهنده روند قیمت و شرایط تجارت است (مورفی ، 1999). بنابراین ، بسیاری از شرکت کنندگان و محققان بازار سعی کردند حرکات قیمت سری زمان مالی را توسط فنی پیش بینی کنند

ichimoku kinkohyo

Ichimoku Kinkohyo یک شاخص فنی ژاپنی است که در اوایل قرن بیستم اختراع شده است (سانجین ، 1969). این شاخص از پنج خط تشکیل شده است که شامل Tenkan-Sen (TK) ، Kijun-Sen (KJ) ، Chikou-Span (CK) ، Senkou-Span A (Ska) و Senkou-Span B (SKB) است. به جز CK ، خطوط دیگر بر اساس بزرگترین و کوچکترین قیمت ها در طی مدت مشخصی محاسبه می شوند. پارامترهای طول دوره اصلی 9 ، 26 و 52 برای محاسبه مقادیر پنج خط و معادلات زیر (1)-(5) استفاده می شود

ساختار روش پیشنهادی

سیستم تصمیم گیری پیش بینی و تجارت جهت (FRS-NSGA-II-SW) که در این مطالعه ارائه شده است ، عمدتاً از پنج مؤلفه تشکیل شده است: مؤلفه پیش پردازش داده (DPP) ، اجزای اجزای شاخص Ichimoku Kinkohyo (IKA) ، مجموعه خشن فازی (FRS) مؤلفه ، مؤلفه بهینه سازی پارامتر معاملات (TPO) و مؤلفه تجارت شبیه سازی و ارزیابی عملکرد (STPE). ساختار اصلی روش پیشنهادی در شکل 3 نشان داده شده است ، و عملکردهای اصلی اجزای آن به عنوان شرح داده شده است

داده های تجربی

داده های اصلی معاملات فرکانس 1 دقیقه ای از آینده روغن نفت خام چینی از پایگاه داده باد گرفته شده است. دامنه دوره کل مجموعه داده ها از سال 2018/ژوئیه تا 2021/دسامبر است. داده های معاملات بازار شامل افتتاح ، بسته شدن ، بالاترین و کمترین قیمت آینده های نفت خام چینی است. سپس ، داده های معاملاتی فرکانس 1 دقیقه ای به داده های فرکانس 60 دقیقه ای برای آموزش مدل ، بهینه سازی استراتژی تجارت و آزمایش مدل تبدیل می شوند. برای تحقق پیش بینی و تجارت پویا

نتایج نسبت ضربه

در جدول 5 نتایج نسبت HIT از روش پیشنهادی FRS-NSGA-II-SW و سه روش معیار از جمله SVM-SW ، RF-SW و XGBoost-SW در طی چهار دوره آزمایش نشان داده شده است. توجه داشته باشید که از آنجا که هر دو روش پیشنهادی FRS-NSGA-II-SW و برخی از روش های معیار (FRS-SW ، FRS-NSGA-SW و FRS-MOPSO-SW) از مجموعه خشن فازی به عنوان پیش بینی کننده پیش بینی جهت نفت خام استفاده کردندقیمت آتی نفت ، آنها نتایج نسبت ضربه یکسان را تولید کردند. روش پیشنهادی FRS-NSGA-II-SW بهتر است

نتیجه

در این مطالعه ، یک روش جدید FRS-NSGA-II-SW ، که روش های FRS ، NSGA-II و SW را ادغام می کند ، برای پیش بینی جهت و تجارت شبیه سازی در بازار آینده نفت خام چینی پیشنهاد شده است. سیگنال های محاسبه شده توسط شاخص های مبتنی بر Ichimoku Kinkohyo به عنوان ویژگی های FRS مورد استفاده قرار گرفتند ، و سپس جهت حرکت قیمت آتی نفت خام با چندین سطح پیش بینی شد. پس از تولید پیش بینی های سطح و بزرگی ، NSGA-II برای بهینه سازی تصویب شد

بیانیه مشارکت در نویسندگی اعتباری

Shangkun Deng: مفهوم سازی ، روش شناسی ، نظارت ، نوشتن - پیش نویس اصلی ، نوشتن - بررسی و ویرایش ، کسب بودجه. Chongyi Xiao: Data Curation ، نوشتن - پیش نویس اصلی ، نرم افزار ، تجسم. Yingke Zhu: نوشتن - بررسی و ویرایش ، تجزیه و تحلیل رسمی. Jingyuan Peng: اعتبار سنجی ، نوشتن - بررسی و ویرایش. جی لی: تحقیق ، نرم افزار. Zonghua Liu: نوشتن - بررسی و ویرایش ، کسب بودجه ، تجزیه و تحلیل رسمی.

اعلام علاقه رقیب

نویسندگان اعلام می كنند كه آنها هیچ منافع مالی رقیب یا روابط شخصی را كه به نظر می رسد بر اثر گزارش شده در این مقاله تأثیر می گذارد ، ندارند.

تصدیق

این کار توسط بنیاد علوم طبیعی استانی هوبی چین [شماره کمک هزینه 2021CFB175] و وزارت آموزش و پرورش استان هوبی [شماره کمک هزینه 21Q035] پشتیبانی شد. علاوه بر این ، ما از ویراستاران و داوران ناشناس بخاطر نظرات و مباحث آنها سپاسگزاریم.