تئوری موج الیوت

هدف: تئوری موج الیوت، از ابزارهای تحلیل تکنیکال و مبتنی بر روان شناسی افراد است که در سال های اخیر به ابزار مهمی برای تحلیلگران و سرمایه گذاران تبدیل شده است. این تئوری، در تمام بازارهای مالی، به خصوص بازار سهام، وجود دارد که از آن استقبال عمومی شده و با حرکت توده ای همراه است. این پژوهش، برگرفته از این نظریه، در پی این هدف است که آیا از طریق نوسان نمای موج الیوت و الگوریتم های یادگیری ماشین از نوع دارای نظارت و طبقه بندی، می توان روند آتی بازار سهام ایران را پیش بینی کرد؟ روش: در این پژوهش، ابتدا داده های شاخص کل، به عنوان دماسنج اقتصاد و نمایانگر وضعیت کلی بازار سهام ایران از تاریخ 25/02/1387 تا 05/09/1399 به طور روزانه بررسی شد و با استفاده از نوسان نمای موج الیوت و شاخص قدرت حرکت، حرکات جنبشی و اصلاحی شناسایی و به سه دسته خرید، فروش و نگهداری برچسب گذاری شدند. سپس، خروجی این مرحله به سه الگوریتم یادگیری ماشین شامل درخت تصمیم، بیز ساده و ماشین بردار پشتیبان داده شد تا برای یادگیری و پس از آن، پیش بینی روند روی داده های آزمون، آزمایش شوند. یافته ها: نتایج نشان داد که در شاخص بورس اوراق بهادار تهران، شناسایی امواج الیوت امکان پذیر است و الگوریتم های ماشین بردار پشتیبان و درخت تصمیم، قادرند، روند شاخص کل را برای آینده با دقت بالای 90 درصد پیش بینی کنند. نتیجه گیری: در بازار سرمایه ایران نمودار شاخص کل رفتار الیوتی رعایت شده و تمامی افراد فعال در بورس تهران، می توانند از روش پیشنهادی برای سیستم معاملاتی خود بهره ببرند.

یکی از مهم ترین مباحث در اقتصاد جهان، استفاده از سرمایه های راکد برای توسعه اقتصادی هر کشور است و این نیازمند یک سیاست راهبردی جذب سرمایه گذاران داخلی و خارجی جهت تقویت بازار سرمایه کشور است. هدف کلی این پژوهش، بررسی انطباقپذیری رفتار بازار سهام ایران با سایر بازار های مالی خارجی طبق مدل تئوری موج الیوت از ابزارهای تحلیل تکنیکال و با استفاده از الگوریتم های طبقه بندی است. لذا در این پژوهش، روند حرکتی قیمت در شاخص کل و شاخص کل هم وزن بورس اوراق بهادار ایران بهعنوان دماسنج اقتصاد و نشانگر وضعیت کلی بازار سهام ایران، مورد بررسی قرار گرفته است. ابتدا، متغیرهای نوسان نمای موج الیوت و شاخص قدرت حرکت و تغییرات قیمت، بطور روزانه برای شاخص کل از تاریخ 25/02/1387 تا 05/09/1399 و شاخص کل هم وزن از تاریخ 14/02/1394 تا 11/09/1399 محاسبه شد و بر اساس این سه متغیر، روند حرکتی به سه دسته خرید، فروش و نگهداری برچسب گذاری شد. سپس، الگوریتم های طبقه بندی مانند درخت تصمیم، نزدیک ترین K همسایه، ماشین بردار پشتیبان خطی برای پیش بینی روند آینده استفاده شد. نتایج نشان داد دقت الگوریتم های درخت تصمیم و نزدیک ترین K همسایه در پیش بینی برچسب خرید، فروش و نگهداری بالای 90 % بوده است. بنابراین، استفاده از روش های تکنیکی و الگوریتم های پیشنهادی می تواند به سرمایه گذاران در تشخیص روند آتی شاخص کل و شاخص کل هم وزن کمک کند.