ارائه مدل معاملاتی با فراوانی زیاد، همراه با مدیریت پویای سبد سهام به روش یادگیری تقویتی در بورس اوراق بهادار تهران
محل انتشار: فصلنامه تحقیقات مالی، دوره: 20، شماره: 1
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 241
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JFR-20-1_001
تاریخ نمایه سازی: 20 بهمن 1400
چکیده مقاله:
هدف: شکاف بین زمان دریافت سیگنال خرید/ فروش و آغاز روند تغییر قیمت در بازارهای نوظهور، بستر مناسبی برای پیادهسازی سیستمهای معاملات الگوریتمی ایجاد میکند. ارائه یک سیستم معاملاتی با تکرار زیاد، مزایا (استفاده از نوسانهای درونروزی) و معایبی (هزینه زیاد معاملاتی) دارد که با طراحی درست آن و اصلاح مقررات معامله، میتوان مزایای آن را افزایش داد و معایبش را کنترل کرد. روش: در این پژوهش، به ارائه رویکرد استفاده از خودمعاملهگرها برای پیشبینی روند آتی سهم و بهرهگیری از روش یادگیری تقویتی به منظور مدیریت پویای سبد سهام پرداخته شده و دو مدل بر همین پایه ارائه شده است. مدل نخست با بهره بردن از پیشنهاد خودمعاملهگرها، به معامله با مقدار ثابت اقدام میکند. مدل دوم که به نوعی بسط داده شده مدل نخست است، به کمک روش یادگیری تقویتی، به مدیریت پویای سبد سهام میپردازد. یافتهها: نتایج نشان میدهد عملکرد هر دو مدل در بازارهای نزولی و نرمال، بهتر از استراتژی خرید و نگهداری است. همچنین بر اساس نتایج، در تمام بازارها مدل دوم در مقایسه با مدل نخست، عملکرد بهتری دارد. نتیجهگیری: به طور کلی در بازار صعودی بهترین استراتژی، خرید و نگهداری دارایی است، در نتیجه نمیتوان از الگوریتمهای پیشنهادی عملکردی بهتر از این استراتژی انتظار داشت. از سویی دیگر میتوان گفت روش شبکه عصبی برای پیشبینی روند آتی سهم با رویکرد ارائه شده در این پژوهش، عملکرد بسیار مناسبی در بازارهای نزولی و نرمال داشته است. همچنین پیادهسازی روش یادگیری تقویتی به منظور مدیریت پویای سبد سهام توانسته عملکرد مدل را بسیار بهبود بخشد.
کلیدواژه ها:
معاملات الگوریتمی ، معاملات با فراوانی زیاد ، مدیریت پویای سبد سهام ، دادههای درونروزی ، یادگیری تقویتی
نویسندگان
محمد علی رستگار
استادیار گروه مهندسی مالی، دانشکده مهندسی صنایع دانشگاه تربیت مدرس، تهران، ایران
محسن دستپاک
کارشناس ارشد مهندسی مالی، دانشکده علوم مالی، دانشگاه خوارزمی، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :