ارائه مدل معاملاتی با تکرار بالا در بورس اوراق بهادار تهران

محورهای موضوعی : دانش سرمایه‌گذاری

محسن دستپاک ¹ (دانشجوی کارشناسی ارشد مهندسی مالی، دانشگاه علوم افتصادی (نویسنده مسئول))
محمد‌علی رستگار ² (دانشیار، عضو هیات علمی دانشگاه علوم اقتصادی)

تاریخ دریافت : 1393/10/29 تاریخ پذیرش : 1394/02/26 تاریخ انتشار : 1394/02/26

کلید واژه: معاملات الگوریتمی, معاملات با نوسان بالا, داده‌های درون‌روزی, شبکه عصبی, بورس اوراق بهادار تهران,

چکیده مقاله :

در بازارهای نو ظهور همچون بازار بورس اوراق بهادار تهران، به دلیل فاصله ای که بین سیگنال تغییر قیمت و خود تغییر قیمت وجود دارد می توان از آنها برای معاملات سود ده به کمک سیستم های معاملات الگوریتمی بهره گرفت. ارائه ی یک سیستم معاملاتی با تکرار بالا دارای مزیت هایی می باشد. استفاده از نواسانات درون روزی مهم ترین مزیتی است که فرصت سودآوری جدید را موجب می شود. در این پژوهش رویکرد استفاده از معامله گران داخلی به منظور پیش بینی روند آتی سهم ارائه می گردد. بر اساس رویکرد معامله گران داخلی، به ازای هر سهم، یک معامله گر داخلی (یک عامل) که متخصص آن سهم می باشد، بر اساس داده های درون روزی و با کمک اطلاعات اندیکاتورهای تحلیل تکنیکال به پیش بینی روند سهم می پردازد و هدف آن تعیین میزان خریدنی، فروختی و یا نگهداشتنی بودن آن سهم می باشد. نتایج مدل ارائه شده بر روی بورس اوراق بهادار تهران نشان از عملکرد بهتر این مدل نسبت به سازوکار خرید و نگهداری در هر سه نوع بازار (صعودی، نزولی و نرمال) حتی با در نظر گرفتن هزینه کامل معاملاتی دارد.

چکیده انگلیسی:

In emerging markets such as Tehran Stock Market, there is a gap between signals of changing the trend and the beginning of the movements which we can make profit by using a well-designed Algorithmic Trading System. Proposing a high-frequency trading system has advantages (taking advantage of intraday stock market volatility) and disadvantages (high amounts of transaction cost due to the high transaction volume) thus we can augment advantages and cotrol the disadvantages by designing the system elaborately. In this research, the “Local Traders” approach for predicting the future trend of stock has been utilized. According to the “Local Traders” approach, there is a local trader (an agent) for each stock which is expert on it. It predicts the future trend of its own stock based on stock’s intraday data and their technical indicators by determining how much it is good to buy, sell or hold. Results show that, the proposed model outperforms the Buy and Hold strategy in all kinds of markets (Normal, Ascending, Descending) even if there is no discount on Transaction Costs.