کالیبراسیون اندیکاتورهای تحلیل تکنیکال با استفاده از الگوریتم آتوماتای سلولی به منظور استفاده در معاملات با تواتر بالا

محورهای موضوعی : مهندسی مالی

سیدعلیرضا احمدی ¹ , سیدعلی پایتختی اسکویی ² , سیروس فخیمی آذر ³ , یونس بادآور نهندی ⁴

1 - گروه مهندسی مالی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران.
2 - گروه اقتصاد، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران.
3 - گروه مدیریت ، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
4 - گروه حسابداری، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران

تاریخ دریافت : 1399/05/16 تاریخ پذیرش : 1399/08/21 تاریخ انتشار : 1400/04/01

کلید واژه: تحلیل تکنیکال, کالیبراسیون, معاملات با بسامد بالا, آتوماتای سلولی, اندیکاتور,

چکیده مقاله :

هدف این پژوهش بومی سازی شاخص های تحلیل تکنیکال در بازار بورس اوراق بهادار تهران به منظور پیش بینی روندهای حرکت قیمت سهام در پیاده سازی انجام معاملات با بسامد بالا به روش مومنتوم می باشد. دراین پژوهش با استفاده از الگوریتم آتوماتای سلولی به کالیبراسیون اندیکاتور های ﻣﯿﺎﻧﮕﯿﻦ ﻣﺘﺤﺮک ﻧﻤﺎﯾﯽ، ﺑﻮﻟﯿﻨﮕﺮ ﺑﺎﻧﺪز، ﺷﺎﺧﺺ ﻗﺪرت ﻧﺴﺒﯽ، درﺟﻪ ﺗﻐﯿﯿﺮات، اندیکاتور استوکاستیک و اندیکاتور شاخص جریان مالی پرداخته شد. در این پژوهش داده های بررسی شده به عنوان جامعه آماری، معاملات انجام شده در بورس اوراق بهادار تهران طی بازه سه ساله از 01/05/1395 الی 31/04/1398 می‌باشد. نتایج بدست آمده گویای لزوم تغییر دوره های تناوب محاسبات اندیکاتورها می‌باشد، بطوری که اندیکاتور های ﻣﯿﺎﻧﮕﯿﻦ ﻣﺘﺤﺮک ﻧﻤﺎﯾﯽ از 14 روز به 2 روز، ﺑﻮﻟﯿﻨﮕﺮ ﺑﺎﻧﺪز از 20 روز به 2 روز، ﺷﺎﺧﺺ ﻗﺪرت ﻧﺴﺒﯽ از 14 روز به 13 روز، درﺟﻪ ﺗﻐﯿﯿﺮات از 12 روز به 2 روز ، اندیکاتور استوکاستیک از 14 روز به 4 روز و اندیکاتور شاخص جریان مالی از 14 روز به 20 روز تغییر پیدا کرد. نتیجه این تغییرات منجر به افزایش قدرت پیش بینی به ترتیب اندیکاتورهای یاد شده 1.35% ، 36.90%، 1.89%، 30.52%، 64.20%، 0.24% گردید.

چکیده انگلیسی:

The present study was conducted with the aim of localizing technical analysis indicators in the Tehran Stock Exchange in order to predict stock price movement trends in implementing high frequency trading by the momentum method. In this study, calibration of exponential moving average, Bollinger Bands, Relative Strength Index (RSI), degree of difference, stochastic indicator and cash flow index was performed using cellular automata algorithm. The statistical population of this research consists of data obtained from transactions performed in the Tehran Stock Exchange during a three-year period from 7/23/2019 to 7/22/2019. According to the obtained results, there is a need to change the periodicity of the indicators calculations, so that the indicators of exponential moving average, Bollinger Bands, relative strength index, degree of difference, the stochastic indicator, the cash flow index have been changed from 14 to 2 days, 20 to 2 days, 14 to 13 days, 12 to 2 days, 14 to 4 days, and 14 to 20 days, respectively. As a result of the changes made, the increases in predictive power of the above indicators were achieved up to 1.35%, 36.90%, 1.89%, 30.52%, 64.20%, 0.24%, respectively.