خلاصہ

یہ حکمت عملی مصنوعی عصبی نیٹ ورک (ANN) کا استعمال کرتے ہوئے مستقبل کی قیمت کی تبدیلیوں کی پیش گوئی کرتی ہے، اور پیش گوئی کے نتائج کی بنیاد پر تجارتی سگنل تیار کرتی ہے، یہ ایک رجحان کی پیروی کرنے والی حکمت عملی ہے۔ حکمت عملی کا فائدہ یہ ہے کہ یہ پیچیدہ غیر خطی رجحانات کی شناخت کر سکتی ہے، اور درمیانی سے طویل مدتی تجارت کے لیے موزوں ہے۔ لیکن اس میں یہ خطرہ بھی ہے کہ بیک ٹیسٹنگ کے نتائج اچھے ہوتے ہیں جبکہ لائیو ٹریڈنگ میں کارکردگی خراب ہو سکتی ہے۔

حکمت عملی کا اصول

یہ حکمت عملی مصنوعی عصبی نیٹ ورک (ANN) کا استعمال کرتے ہوئے اگلے دن کے اضافے/کمی کی پیش گوئی کرتی ہے۔ ان پٹ پرت میں صرف ایک ان پٹ نوڈ ہے، جو پچھلے دن کی اضافے/کمی فیصد ہے۔ پوشیدہ پرت میں 2 پرتیں ہیں، پہلی پرت میں 5 نوڈ اور دوسری میں 33 نوڈ ہیں، دونوں میں ہائپربولک ٹینجینٹ (tanh) کو ایکٹیویشن فنکشن کے طور پر استعمال کیا جاتا ہے۔ آؤٹ پٹ پرت میں صرف ایک آؤٹ پٹ نوڈ ہے، جو لکیری ایکٹیویشن فنکشن کے بعد براہ راست حتمی پیش گوئی کے طور پر استعمال ہوتا ہے۔ اگر پیش گوئی کا نتیجہ threshold پیرامیٹر کی قدر سے زیادہ ہو تو خرید سگنل پیدا ہوتا ہے، اور اگر یہ منفی threshold کی قدر سے کم ہو تو فروخت سگنل پیدا ہوتا ہے۔

حکمت عملی کے فوائد

• ANN ماڈل کا استعمال کرتے ہوئے پیش گوئی، پیچیدہ غیر خطی رجحانات کو فٹ کر سکتی ہے۔
• ان پٹ میں صرف ایک دن کا ڈیٹا استعمال ہوتا ہے، بڑی مقدار میں تاریخی ڈیٹا کی ضرورت نہیں۔
• طویل وقت کے پیمانے پر رجحانات کی شناخت کر سکتی ہے۔
• متعدد پوشیدہ پرتوں کا استعمال، فٹنگ کی صلاحیت مضبوط ہے۔
• ایکٹیویشن فنکشنز اور پیرامیٹرز کو بہتر بنایا گیا ہے، پیش گوئی کی کارکردگی بہتر ہے۔

حکمت عملی کے خطرات

• ANN الگورتھم میں اوور فٹنگ کا خطرہ ہے، لائیو ٹریڈنگ کی کارکردگی بیک ٹیسٹنگ سے کم ہو سکتی ہے۔
• تربیت کے لیے طویل تاریخی ڈیٹا کی ضرورت ہے، حال ہی میں درج کردہ اسٹاک کے لیے موزوں نہیں۔
• پیرامیٹرز اور ڈھانچے کو بار بار بہتر کرنے کی ضرورت ہے، کارکردگی غیر مستحکم ہے۔
• صرف ایک دن کے اضافے/کمی کی پیش گوئی کرتا ہے، طویل مدتی رجحان کا تعین نہیں کر سکتا۔
• جب مارکیٹ اتار چڑھاؤ کے دور میں داخل ہوتی ہے تو کارکردگی خراب ہو سکتی ہے۔

بہتری کی سمت

• ان پٹ متغیرات میں اضافہ، جیسے حجم کی معلومات۔
• مختلف ANN ڈھانچے اور ایکٹیویشن فنکشنز آزمائیں۔
• ANN کے پیرامیٹرز کو بہتر بنائیں، فٹنگ کی درستگی بڑھائیں۔
• تربیتی سیٹ کے نمونوں کی تعداد میں اضافہ کریں، اوور فٹنگ سے بچیں۔
• متعدد وقتی پیمانوں پر پیش گوئی کریں، طویل اور مختصر مدتی رجحانات کا تعین کریں۔
• دیگر ماڈلز کے ساتھ ملا کر استعمال کریں، ensemble learning۔
• رسک کنٹرول کو مضبوط کرنے کے لیے اتار چڑھاؤ جیسے اشاریے استعمال کریں۔

خلاصہ

یہ حکمت عملی ANN ماڈل کا استعمال کرتے ہوئے قیمت کی تبدیلیوں کی پیش گوئی کرتی ہے، پیچیدہ غیر خطی رجحانات کی شناخت کر سکتی ہے، اور درمیانی سے طویل مدتی تجارت کے لیے موزوں ہے۔ لیکن ANN ماڈل کی بلیک باکس خصوصیت لائیو ٹریڈنگ کے لیے بڑے چیلنجز بھی لاتی ہے۔ ہمیں ان پٹ فیچرز، ماڈل ڈھانچہ، پیرامیٹر آپٹیمائزیشن، ensemble learning وغیرہ کے لحاظ سے بہتری لانی ہوگی، اور ساتھ ہی روایتی تکنیکی تجزیہ کے اشارے استعمال کرکے کارکردگی کو بہتر بنانا ہوگا اور لائیو ٹریڈنگ کے خطرات کو کم کرنا ہوگا۔ مصنوعی ذہانت کی حکمت عملیوں کو روایتی حکمت عملیوں کے ساتھ مکمل طور پر مربوط ہونا چاہیے تاکہ زیادہ سے زیادہ اثر حاصل ہو۔