در این پژوهش، با توجه به پیچیدگی روزافزون بازار فارکس، یک چارچوب جدید برای پیش بینی روند جفت ارزها ارائه می شود که بەجای تمرکز بر مقدار قیمت، بر پیش بینی جهت حرکت بازار تمرکز دارد. این چارچوب مبتنی بر دو بازە زمانی ۱ ساعته و ۴ ساعته بوده و استراتژی ایچیموکو را با مدل های یادگیری عمیق از جمله CNN، CNNLSTM و CNNGRU ترکیب می کند. برای بهبود عملکرد، ابرپارامترهای مدل ها با بهرەگیری از الگوریتم بهینەسازی ازدحام ذرات (PSO (تنظیم شدەاند. مدل ها با دادەهای تاریخͬ EURUSⅮ طی سال های ۲۰۱۹ تا ۲۰۲۴ از 5MetaTrader آموزش دیده و سپس روی هشت جفت ارز با همبستگͬ بیش از ٪۸۰ ارزیابی شدەاند. بەدلیل محدودیت معیارهای رگرسیونͬ مانند MSE، MAE و MAPE در سنجش کیفیت تصمیم گیری های معاملاتی، خروجی رگرسیون صرفاً برای تعیین روند ۴ ساعته استفاده شده و معیارهای Accuracy و Score1-F بەعنوان شاخص های اصلی ارزیابی عملکرد بەکار رفتەاند. نتایج نشان می دهد مدل های بهینەشده با PSO بەخصوص مدل ICGP، نسبت به نسخەهای غیر بهینه عملکرد بهتری داشته و دقیق ترین نتایج را ارائه کردەاند؛ بەگونەای که دقت پیش بینی آن در جفت ارز USⅮSGⅮ به ۸۰٫۲۳٪ رسیده است. در مجموع، یافتەها بیانگر آن است که ترکیب ویژگͬیهای مبتنͬ بر ایچیموکو با معماری های ترکیبی یادگیری عمیق و روش های فراابتکاری، توانایی پیش بینی روند و قابلیت تعمیم را در شرایط پرتلاطم بازارهای مالͬ بەطور قابل توجهی افزایش مͬی دهد

کلمات کلیدی