سبد بهینه نوسانگیری روزانه بر پایه پیش‌بینی بازه‌ای مقدار با رهیافت شبکه‌های عصبی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، مدیریت صنعتی(مالی)،واحد دهاقان، دانشگاه آزاد اسلامی، دهاقان، ایران

2 استادیار ، گروه مدیریت ، واحد دهاقان ، دانشگاه ازاد اسلامی ، دهاقان ، ایران.

3 استادیار، گروه حسابداری ، واحد سروستان ، دانشگاه آزاد اسلامی،سروستان ، ایران

10.52547/jfmp.2022.228219.1204

چکیده

پیش‌بینی بازه‌ای مقدار به مفهوم پیش‌بینی یک بازه است که حدود آن را دو متغیر تصادفی مشخص می کند. در پژوهش حاضر به کمک شبکه‌های عصبی، پیش‌بینی بازه‌ای مقدار مربوط به کمترین و بیشترین قیمت روزانه صورت می گیرد و سپس بر اساس آن یک سیستم معاملاتی نوسانگیری روزانه شامل خرید و فروش در مقادیر پیش‌بینی شده شکل می گیرد. برای کاستن از ریسک سیستم معاملاتی و افزایش تعداد موقعیت‌های معاملاتی، سبد بهینه نوسانگیری روزانه در چهارچوب میانگین-واریانس توسعه می یابد. سبد نمونه ای پژوهش شامل پنج سهم از بورس اوراق بهادار تهران در یک دوره 190 روزه با احتساب هزینه‌های معاملاتی خرید و فروش نشان می دهد که میانگین بازده روزانه سبد نوسانگیری پژوهش 0.0028 و نسبت شارپ آن 0.6379 می‌باشد که از نسبت شارپ سیستم نوسانگیری روزانه انفرادی دارایی‌های سبد، بهتر است. میانگین روزانه شاخص کل در دوره پژوهش 0.0010و نسبت شارپ آن 0.0835 می‌باشد که نشان می دهد که سیستم معاملاتی عملکردی به مراتب بهتر از سیستم خرید و نگهداری دارد.

کلیدواژه‌ها


عنوان مقاله [English]

Optimal Daily scalping trading portfolio based on interval-valued prediction with ANN approach

نویسندگان [English]

  • Sajad soleymani sarvestani 1
  • Sayyed Mohammad Reza davoodi 2
  • ali kheradmand 3
1 PhD Candidate of Industrial Management, Department of Management, Dehaghan Branch, Islamic Azad University, Dehaghan, Iran.
2 department of management
3 Assistant Professor. Department of Accounting, Sarvestan Branch, Islamic Azad University, Sarvestan, Iran
چکیده [English]

Abstract

Interval-valued forecasting is related to predicting an interval that is determined by two random variables. In the present study, using the neural networks method, the interval related to the lowest and highest daily prices is predicted and then based on it, a daily scalping trading system is formed, including buying and selling in the forecasted amounts. To reduce the risk of the trading system and increase the number of trading positions, the optimal daily scalping trading portfolio is developed in the mean-variance framework. The sample portfolio includes five shares of the Tehran Stock Exchange in a 190-day period, taking into account trading costs, shows that the average daily return is 0.0028 and the Sharpe ratio is 0.6379, which is better than the Sharpe ratio of individual daily scalping trading of portfolio assets. The daily average of the total index in the research period is 0.001 and the Sharp ratio is 0.0835, which shows that the trading system has a much better performance than the buy and hold strategy.

کلیدواژه‌ها [English]

  • interval-valued prediction
  • artificial neural network
  • mean-variance portfolio
  • scalping trading