اثر انتقال

هدف: با افزایش حجم اطلاعات و پیچیدگی بازارهای مالی، سرمایه گذاران به طور فزاینده ای به دنبال ابزارهای نوین مالی، برای تصمیم گیری آگاهانه ترند. این ابزارها باید به سرمایه گذاران کمک کنند تا ضمن انتخاب سهام مناسب، بازدهی بیشتری کسب کنند. در این راستا، سیستم های توصیه کننده سهام، اهمیت بیشتری پیدا می کنند. سیستم های توصیه کننده سهام می توانند در این زمینه به سرمایه گذاران کمک کنند تا با انتخاب سهام مناسب، بازدهی بیشتری کسب کنند. سیستم های توصیه کننده سنتی سهام، اغلب دقت و کارایی لازم را ندارند. این پژوهش، روشی نوینی به نام فیلترینگ مشارکتی مبتنی بر سهام را برای طراحی سیستم توصیه کننده سهام در بورس اوراق بهادار تهران ارائه می دهد. این روش بر پایه دو فرضیه کلیدی بنا شده است: ۱. عدم کارایی بازار: بازار سهام به طور کامل کارآمد نیست و اطلاعات را به طور کامل و دقیق منعکس نمی کند. ۲. اطلاعات نهفته در حرکات سهام: حرکت سهام نوعی اطلاعات دارد و می تواند بر قیمت سهام دیگر در بازار تأثیر بگذارد. در این پژوهش با فرض وجود اثر انتقال در بورس اوراق بهادار تهران، از تکنیک فیلترینگ مشارکتی برای طراحی یک سیستم سهام توصیه کننده استفاده شده است که یکی از الگوریتم های سیستم های توصیه کننده به شمار می رود. هدف این استراتژی، یافتن سهام مستعد برای کسب بازدهی بیشتر از بازار است. روش: در این پژوهش، از داده های تاریخی قیمت سهام ۱۴۵ شرکت حاضر در بورس اوراق بهادار تهران، در بازه زمانی ۱۳۹۱ تا ۱۴۰۰ استفاده شد. الگوریتم فیلترینگ مشارکتی، در دو مرحله یادگیری و آزمایش اجرا شد. در مرحله یادگیری، الگوریتم با استفاده از داده های سال های ۱۳۹۱ تا ۱۳۹۵ آموزش داده شد و در مرحله آزمایش، عملکرد آن روی داده های سال های ۱۳۹۵ تا ۱۴۰۰ ارزیابی شد. در گام بعدی با استفاده از الگوریتم فیلترینگ مشارکتی مبتنی بر سهام، سیگنال خریدوفروش در طول دوره محاسبه و در نهایت، استراتژی ارزیابی شد. یافته ها: الگوریتم به عنوان یک استراتژی سرمایه گذاری، در دو دوره درون نمونه ای و برون نمونه آزمایش شد. نتایج به دست آمده از طریق الگوریتم برای دوره های برون نمونه نشان می دهد که این استراتژی می تواند ۲۵ برابر بازدهی داشته باشد؛ در حالی که شاخص کل در این بازه زمانی ۱۶ برابر شده که نشان دهنده عملکرد عالی استراتژی در طول دوره زمانی است. همچنین میزان ارزش در معرض ریسک در دوره زمانی مورد بررسی، برای روش منتخب 8/12- درصد است که میزان ریسک کمتر این روش را نشان می دهد.   نتیجه گیری: الگوریتم فیلترینگ مشارکتی مبتنی بر سهام، نوعی استراتژی سرمایه گذاری فعال است. هدف این الگوریتم هوشمند، شناسایی سهام ارزشمند و کسب بازدهی بیشتر از بازار است و می تواند در این زمینه به سرمایه گذاران کمک کند. این الگوریتم می تواند ابزاری ارزشمند برای سرمایه گذاران فعالی باشد که به دنبال یافتن سهام ارزشمند و کسب بازدهی بیشتر از بازار هستند. بنابراین پژوهش های بیشتر برای بررسی عملکرد این الگوریتم در بازارهای مختلف و شرایط اقتصادی متنوع ضروری است. همچنین، به پژوهشگران بعدی توصیه می شود که از استراتژی های کنترل ریسک بهره ببرند و این عملکرد سیستم را تقویت کنند.