سبد بهینه نوسانگیری روزانه بر پایه پیش بینی بازه ای مقدار با رهیافت شبکه های عصبی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
در پژوهش حاضر به کمک شبکه های عصبی، پیش بینی بازه ای مقدار مربوط به کمترین و بیشترین قیمت روزانه صورت می گیرد و سپس بر اساس آن یک سیستم معاملاتی نوسان گیری روزانه شامل خرید و فروش در مقادیر پیش بینی شده شکل می گیرد. برای کاستن از ریسک سیستم معاملاتی و افزایش تعداد موقعیت های معاملاتی، سبد بهینه نوسان گیری روزانه در چهارچوب میانگین-واریانس توسعه می یابد. سبد نمونه ای پژوهش شامل پنج سهم از بورس اوراق بهادار تهران در یک دوره 190 روزه با احتساب هزینه های معاملاتی خرید و فروش نشان می دهد که میانگین بازده روزانه سبد نوسان گیری پژوهش 0028/0 و نسبت شارپ آن 6379/0 می باشد که از نسبت شارپ سیستم نوسان گیری روزانه انفرادی دارایی های سبد، بهتر است. میانگین روزانه سبد هم وزن در دوره پژوهش 0014/0 و نسبت شارپ آن 0749/0 می باشد که نشان می دهد که سیستم معاملاتی عملکردی به مراتب بهتر از سیستم خرید و نگهداری در سبد هم وزن روزانه دارد.Optimal Daily scalping trading portfolio based on interval-valued prediction with ANN approach
Interval-valued forecasting is related to predicting an interval that is determined by two random variables. In the present study, using the neural networks method, the interval related to the lowest and highest daily prices is predicted and then based on it, a daily scalping trading system is formed, including buying and selling in the forecasted amounts. To reduce the risk of the trading system and increase the number of trading positions, the optimal daily scalping trading portfolio is developed in the mean-variance framework. The sample portfolio includes five shares of the Tehran Stock Exchange in a 190-day period, taking into account trading costs, shows that the average daily return is 0.0028 and the Sharpe ratio is 0.6379, which is better than the Sharpe ratio of individual daily scalping trading of portfolio assets. The daily average of the total index in the research period is 0.001 and the Sharp ratio is 0.0835, which shows that the trading system has a much better performance than the buy and hold strategy.
تبلیغات
