پیش بینی بازار

=این تحقیق، اولین مطالعه ای است که در مورد رفتار مدیران سرمایه گذار و تحلیل گران مالی در زمینه پیش بینی بازار و انتخاب سهام در بورس اوراق بهادار تهران انجام گرفته است. بورس اوراق بهادار تهران از نظر حجم معاملات در حد متوسط و جزو کشورهای برتر در منطقه خاورمیانه و کشورهای حوزه دریای خزر می باشد از این رو، داشتن فهم بهتری از رفتار مدیران سرمایه گذار و تحلیل گران مالی در بورس اوراق بهادار تهران دارای اهمیت برای سرمایه گذاران داخلی و خارجی است. پاسخ دهندگان به پرسشنامه شامل کارگزاران بورس، تحلیل گران مالی شرکت های سرمایه گذاری و مشاوران سرمایه گذار بانک های تجاری بودند. از پاسخ دهنده خواسته شد تا اهمیت نسبی استفاده از هریک از تکنیک های؛ تجزیه و تحلیل بنیادی، تجزیه و تحلیل تکنیکال و تجزیه و تحلیل پرتفوی را برای پیش بینی بازار در کوتاه مدت، میان مدت و بلند مدت و انتخاب سهام مشخص کنند. یافته های تحقیق نشان می دهد که تحلیل گران و مدیران سرمایه گذاری بورس اوراق بهادار تهران تاکید بیش تری بر تکنیک های سنتی یعنی تکنیک های تجزیه و تحلیل بنیادی و تکنیکال نسبت به تکنیک های جدید یعنی تکنیک های تجزیه و تحلیل پرتفوی دارند. استفاده از نظرات و گزارشهای کارشناسان دارای اهمیت نسبی خوبی می باشد.

در این تحقیق سودمندی گروهی از الگوهای تحلیل تکنیکی کوتاه مدت، تحت عنوان الگوهای شمعی ژاپنی مورد ارزیابی قرار گرفته است. تحلیل شمعی ژاپنی یک تکنیک زمان بندی کوتاه مدت است که اخطارهای خرید و فروش را بر مبنای رابطه بین قیمت های شروع، حداکثر، حداقل و پایانی صادر می کند. داده های تحقیق شامل سری زمانی قیمت های روزانه سهام 17 شرکت پرمعامله حاضر در بورس اوراق بهادار تهران از تاریخ 10/1/1374 تا 10/9/1390، است. با استفاده از این داده ها سودآوری 28 الگوی شمعی در دو حالت بدون لحاظ کردن کارمزد معاملات و با لحاظ کردن آن ارزیابی و مقایسه گردید. طی فرآیند تحقیق از روش شبیه سازی بوت استرپ بر پایه مدل GARCH-M برای ایجاد سری های زمانی تصادفی از سری اصلی قیمت استفاده شده است. نتایج نشان می دهد اکثر الگوهای مورد تحقیق (18 الگو)، در حالت بدون لحاظ کردن کارمزد معاملات، به صورت معنی داری سودی بیش از روش خرید و نگهداری حاصل نموده اند اما در حالت لحاظ کردن کارمزد معاملات، بسیاری از این الگوها (غیر از 5 الگو)، نمی توانند سودی بیش از روش خرید و نگهداری ایجاد نمایند. به طور کلی می توان گفت الگوهای شمعی ژاپنی موفق به پیش بینی مسیر آینده قیمت و سودآوری می شوند ولی این سودها با لحاظ کردن کارمزد معاملات از میان می رود.

امروزه محققان با حجم وسیعی از داده مواجه اند که بخش زیادی از آنها ساختار پردازش پذیری ندارند. دو مورد از چالش های اصلی در این زمینه بالا بودن ابعاد فضای ویژگی و حجیم بودن داده های در دسترس است. به منظور رفع این چالش ها، مقاله پیش رو یک روش انتخاب ویژگی مبتنی بر ویژگی های هدف ارائه کرده است که در کاهش ابعاد فضای ویژگی تأثیر زیادی دارد و همچنین برای مقابله با حجم بسیار زیاد نمونه های آموزش، با استفاده از روش های انتخاب نمونه اولیه، به ویرایش مجموعه آموزش می پردازد. روش پیشنهادی در این مقاله در سه فاز اجرا شده است که هر فاز بهبودیافته فاز قبل است و علاوه بر دست یافتن به نتایج مناسب در هر فاز، در پایان فاز سوم روش پیشنهادی بیشترین کارایی را به دست آورد. برای ارزیابی کارایی روش پیشنهادی، این روش با یکی از الگوریتم های موفق در زمینه پیش بینی بازار مقایسه شد که با وجود کاهش نمونه های آموزش توسط الگوریتم های انتخاب نمونه اولیه، به نتایج بسیار بهتری نسبت به آن الگوریتم دست یافت.