بهینه‌سازی پرتفوی سهام با استفاده از مقایسه الگوهای مختلف تکنیکال
محورهای موضوعی : مهندسی مالیمهدی سعیدی کوشا 1 , سعید محبی 2
1 - گروه مدیریت مالی، دانشکده علوم مالی، دانشگاه خوارزمی، تهران، ایران.
2 - گروه مدیریت مالی، دانشکده علوم مالی، دانشگاه خوارزمی، تهران، ایران
کلید واژه: بهینه‌سازی, تحلیل تکنیکال, اندیکاتور, معاملات الگوریتمی, سیستم مدیریت پرتفوی خودکار,
چکیده مقاله :
در سالیان اخیر پژوهش‌های گوناگونی به منظور انتخاب پرتفوی مناسب برای سرمایه‌گذاری و بهینه‌سازی آن جهت افزایش بازدهی و کاهش ریسک، صورت گرفته است. در این پژوهش 9 ابزار پر کاربرد تحلیل تکنیکال SMA، EMA، ROC، OBV، RSI، MACD، TSI، HMA، Fibonacci Retracement و الگوریتم بهینه‌سازی ژنتیک به کار برده شده است و سیستمی خبره که به صورت خودکار اقدام به بهینه‌سازی پرتفوی می‌نماید، ایجاد شده است. در این سیستم، سیگنال‌های خرید، فروش یا عدم اقدام، تولید شده و نتایج مذکور در اختیار سیستم خبره معاملاتی قرار می‌گیرد و سپس الگوریتم ژنتیک، بهینه‌سازی لازم را بر اساس بازدهی و ریسک انجام داده و اوزان بهینه شاخص‌های تکنیکال جهت استفاده را در اختیار سیستم خبره معاملاتی قرار می‌دهد. نتایج به دست آمده از عملکرد سیستم خبره از منظر بازدهی و ریسک با استراتژی خرید و نگهداری در شاخص‌های هم‌وزن و کل، در بورس اوراق بهادار تهران در بازه زمانی 05/01/1392 الی 31/03/1400 مقایسه شده است. با توجه به نتایج پژوهش، سیستم خبره معاملاتی در مقایسه با استراتژی خرید و نگهداری (شاخص هم‌وزن و کل) عملکرد مناسب‌تری از نظر بازدهی و ریسک داشته است.
In recent years, different studies, using heuristic approaches for portfolio optimization, have been done to maximize the return and minimize the risk. In this study, we employed nine useful indicators, including SMA, EMA, ROC, OBV, RSI, MACD, TSI, HMA, Fibonacci Retracement, and genetic algorithm (GA), to construct an expert system that optimizes the portfolio automatically. In this system, Buy, Sell or Hold signals are produced based on the weighted combination of mentioned indicators and under the specified thresholds for each one. After that, signals (Buy/Sell/Hold) feed to the GA to optimize portfolio return/risk by changing indicator weights. This algorithm repeats continuously to optimize indicators weights for system and qualified stocks are selected according to optimized weights. Outputs of this expert system have been compared with Tehran Stock Exchange Index (Value-weighted and Equal-weighted Indices) from March 2013 until June 2021.The empirical results show that this expert system outperforms the Buy-and-Hold strategy (TSE indices) in terms of risk and return.
_||_