دوره 11، شماره 4 - ( زمستان 1404 )
دوره 11 شماره 4 صفحات 180-168 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Solaymani Fard O, Hashemi S Z. A Dual-Timeframe Deep Learning Framework Based on Ichimoku Cloud and Optimized CNN for Trend Prediction in the Forex Market. mmr 2026; 11 (4) :168-180
URL: http://mmr.khu.ac.ir/article-1-3473-fa.html
URL: http://mmr.khu.ac.ir/article-1-3473-fa.html
سلیمانی فرد امید، هاشمی سیده زهرا. چارچوب دو زمانه یادگیری عمیق مبتنی بر ابر ایچیموکو و CNN بهینه شده برای پیش بینی روند در بازار فارکس. پژوهش های ریاضی. 1404; 11 (4) :168-180
چارچوب دو زمانه یادگیری عمیق مبتنی بر ابر ایچیموکو و CNN بهینه شده برای پیش بینی روند در بازار فارکس
1- ، soleimani@um.ac.ir
چکیده: (226 مشاهده)
در این پژوهش، با توجه به پیچیدگی روزافزون بازار فارکس، یک چارچوب جدید برای پیشبینی روند جفتارزها ارائه میشود که بهجای تمرکز بر مقدار قیمت، بر پیشبینی جهت حرکت بازار تمرکز دارد. این چارچوب مبتنی بر دو بازه زمانی ۱ ساعته و ۴ ساعته بوده و استراتژی ایچیموکو را با مدلهای یادگیری عمیق از جمله CNN، CNNLSTM و CNNGRU ترکیب میکند. برای بهبود عملکرد، ابرپارامترهای مدلها با بهرهگیری از الگوریتم بهینهسازی ازدحام ذرات (PSO) تنظیم شدهاند. مدلها با دادههای تاریخی EURUSD طی سالهای ۲۰۱۹ تا ۲۰۲۴ از MetaTrader5 آموزش دیده و سپس روی هشت جفتارز با همبستگی بیش از ۸۰٪ ارزیابی شدهاند. بهدلیل محدودیت معیارهای رگرسیونی مانند MSE، MAE و MAPE در سنجش کیفیت تصمیمگیریهای معاملاتی، خروجی رگرسیون صرفاً برای تعیین روند ۴ ساعته استفاده شده و معیارهای Accuracy و F1-Score بهعنوان شاخصهای اصلی ارزیابی عملکرد بهکار رفتهاند. نتایج نشان میدهد مدلهای بهینهشده با PSO بهخصوص مدلICGP، نسبت به نسخههای غیربهینه عملکرد برتری داشته و دقیقترین نتایج را ارائه کردهاند؛ بهگونهای که دقت پیشبینی آن در جفتارز USDSGD به 80.23% رسیده است. در مجموع، یافتهها بیانگر آن است که ترکیب ویژگیهای مبتنی بر ایچیموکو با معماریهای ترکیبی یادگیری عمیق و روشهای فراابتکاری، توانایی پیشبینی روند و قابلیت تعمیم را در شرایط پرتلاطم بازارهای مالی بهطور قابلتوجهی افزایش میدهد.
نوع مطالعه: مقاله استخراج شده از پایان نامه |
موضوع مقاله:
ریاضی
دریافت: 1404/10/1 | ویرایش نهایی: 1404/12/7 | پذیرش: 1404/10/9 | انتشار: 1404/12/7 | انتشار الکترونیک: 1404/12/7
دریافت: 1404/10/1 | ویرایش نهایی: 1404/12/7 | پذیرش: 1404/10/9 | انتشار: 1404/12/7 | انتشار الکترونیک: 1404/12/7
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
