A hybrid model based on rough sets theory and genetic algorithms for stock price forecasting

ABSTRACT

In the stock market, technical analysis is a useful method for predicting stock prices. Although, professional stock analysts and fund managers usually make subjective judgments, based on objective technical indicators, it is difficult for non-professionals to apply this forecasting technique because there are too many complex technical indicators to be considered. Moreover, two drawbacks have been found in many of the past forecasting models: (1) statistical assumptions about variables are required for time series models, such as the autoregressive moving average model (ARMA) and the autoregressive conditional heteroscedasticity (ARCH), to produce forecasting models of mathematical equations, and these are not easily understood by stock investors; and (2) the rules mined from some artificial intelligence (AI) algorithms, such as neural networks (NN), are not easily realized.

INTRODUCTION

In the stock market, it is very difficult to forecast stock trends because of complex factors influencing stock markets and nonlinear relationships, which are contained among different periods of stock prices. Although only a few investors profit from the stock market, millions of them still have not given up trying to make money from the market. Therefore, since the first stock market opened, numerous forecasting methods have been employed in an attempt to predict stock prices. In the area of stock market forecasting, the technical analysis method is one of the primary analytic approaches used by investors to make investment decisions, and many researchers have been focusing on technical analysis to increase their investment returns . Furthermore, the technical analysis method has the ability to forecast the future price direction by studying past market data, primarily stock price and volume. The technical analysis method assumes that stock price and volume are the two most relevant factors in determining the future direction and behavior of a particular stock or market, and that the technical indicators, coming from a mathematical formula, based on stock price and volume, can be applied to predict price fluctuations and also provide data for investors, enabling them to determine the timing for the buying or selling of stock . Besides the technical analysis methods, many conventional numeric forecasting models have been proposed by financial researchers, such as Engle’s autoregressive conditional heteroscedasticity (ARCH) model, Bollerslev’s generalized ARCH (GARCH) model, Box and Jenkins’ autoregressive moving average (ARMA) model, and the autoregressive integrated moving average model (ARIMA).

چکیده

در بازار سهام، تجزیه و تحلیل فنی یک روش مفید برای پیش بینی قیمت سهام است. اگر چه تحلیلگران سهامدار حرفه ای و مدیران صندوق معمولا قضاوت های ذهنی را بر مبنای شاخص های فنی هدفمند انجام می دهند، اما برای متخصصان غیرممکن است که این روش پیش بینی را به کار بندند، زیرا شاخص های فنی پیچیده ای را باید در نظر بگیرند. علاوه بر این، در بسیاری از مدل های پیش بینی گذشته، دو معضل وجود دارد: (1) فرضیه های آماری در مورد متغیرها برای مدل های سری زمانی، مانند مدل متوسط حرکت متحرک (ARMA) و عدم همبستگی غیرقابل تصوری (ARCH)، برای تولید مدل های پیش بینی معادلات ریاضی، و این به راحتی توسط سرمایه گذاران سهام قابل درک نیست؛ و (2) قوانین استخراج شده از برخی از الگوریتم های هوش مصنوعی (AI)، مانند شبکه های عصبی (NN)، به راحتی قابل درک نیست.

مقدمه

در بازار سهام، روند پیش بینی های سهام به دلیل عوامل پیچیده ای که بر بازارهای سهام و روابط غیر خطی که در میان دوره های مختلف قیمت سهام وجود دارد، پیش بینی می شود. گرچه تنها تعداد اندکی از سرمایه گذاران از بازار سهام سود می برند، میلیون ها نفر هنوز از تلاش برای کسب پول از بازار خودداری کرده اند. بنابراین، از زمان باز شدن بازار سهام اول، روش پیش بینی های متعدد در تلاش برای پیش بینی قیمت سهام استفاده شده است. در زمینه پیش بینی بازار سهام، روش تحلیل تکنیک یکی از روشهای تحلیلی اولیه است که توسط سرمایه گذاران برای تصمیم گیری های سرمایه گذاری مورد استفاده قرار می گیرد و بسیاری از محققان با تمرکز بر تجزیه و تحلیل فنی برای افزایش بازده سرمایه گذاری خود تمرکز کرده اند. علاوه بر این، روش تجزیه و تحلیل فنی توانایی پیش بینی قیمت قیمت های آینده را با مطالعه اطلاعات بازار گذشته، به ویژه قیمت و حجم سهام دارد. روش تجزیه و تحلیل فنی فرض می کند که قیمت و حجم سهام دو عامل مهم ترین در تعیین جهت و رفتار آینده در یک سهام یا بازار خاص است و شاخص های فنی که از یک فرمول ریاضی بر اساس قیمت و حجم سهام می توانند برای پیش بینی نوسان قیمت ها مورد استفاده قرار می گیرد و همچنین داده ها را برای سرمایه گذاران ارائه می دهد تا آنها را قادر به تعیین زمان خرید یا فروش سهام کنند. علاوه بر روش های تجزیه و تحلیل فنی، بسیاری از مدل های پیش بینی عددی متعارف توسط محققان مالی پیشنهاد شده است، از قبیل مدل همبستگی مشروط به خودکامگی انگل (ARCH)، مدل ARCH GENERAL (GARCH) بلولرسلو، مدل ARRE مدل خودکار جعلی و جنکینز، و یک مدل متوسط متحرک متحرک Autoregressive (ARIMA).

Year: 2010

Publisher: ELSEVIER

By : Ching-Hsue Cheng , Tai-Liang Chen , Liang-Ying Wei