كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / دوازدهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

پیشبینی نقطهای و بازهای قیمت اختیار معامله با استفاده از LSTM همراه با CQR-ACI و EnbPI: مطالعهی موردی صندوق قابل معامله شاخص 50 شانگهای

نویسندگان :

مرتضی مرادی¹ نارین حاجی عباسی²

1- دانشگاه صنعتی ارومیه 2- دانشگاه صنعتی ارومیه

کلمات کلیدی :

پیشبینی قیمت اختیار معامله،حافظه کوتاهمدت ماندگار (LSTM)،بازه پیشبینی،رگرسیون چندکی همنوا شده (CQR)،استنباط همنوا شدهی تطبیقی (ACI)،بازههای پیشبینی دستهای گروهی (EnbPI)،صندوق قابل معامله شاخص 50 شانگهای (SSE 50 ETF)

چکیده :

پیشبینی قیمت اختیار معامله یکی از چالشهای بنیادین در مهندسی مالی بهشمار میرود. استفاده از مدلهای کلاسیک مانند بلک-شولز و اخیرا هوش مصنوعی در پیشبینی نقطهای آن مورد توجه قرار داشته است. با این حال، برآورد عدمقطعیت پیشبینیها، در بازار پرتلاطم اختیار معامله بسیار ضروری است. این پژوهش چارچوبی مبتنیبر یادگیری ژرف و حافظه کوتاه مدت ماندگار (LSTM) برای پیشبینی قیمت یسته شدن اختیار معاملههای خرید اروپایی مربوط به SSE 50 ETF و پیشنهاد بازهی پیشبینی برای آن ارائه میدهد. برای پیشگیری از نشت داده، ورودی مدل تنها از اطلاعات در دسترس تا پایان روز جاری ساخته میشود و برچسب هدف، قیمت یسته شدن همان قرارداد در روز معاملاتی بعد است. برای تنظیم ابرپارامترهای مدل از بهینهسازی بیزی در کتابخانهی Optuna بهره گرفته شد. عملکرد مدل پیشنهادی با مدل مبنای بلک-شولز (با افق و اطلاعات ورودی یکسان) مقایسه گردید. برای ساخت بازهی پیشبینی با پوشش هدف 90%، از روش رگرسیون چندکی همنوا شده با استنباط همنوای تطبیقی (CQR-ACI) و روش بازههای پیشبینی دستهای گروهی (EnbPI) استفاده شد. یافتهها نشان داد مدل پیشنهادی نسبت به مدل مبنای بلک-شولز پیشبینی نقطهای نسبتا دقیقتری داشته است. همچنین روش CQR-ACI پوشش حدود 90% و روش EnbPI پوششی بالغ بر 87% به دست آورده است. هرچند روش دوم بازههای پیشبینی باریکتری ایجاد کرده است.