طراحی سیستم توصیهکننده سهام مبتنی بر الگوریتم فیلترینگ مشارکتی برای بورس اوراق بهادار تهران
نویسندگان
1 دکتری، گروه مهندسی مالی، دانشگاه یزد، یزد، ایران.
2 دانشیار، گروه مدیریت مالی، دانشگاه یزد، یزد، ایران.
3 کارشناس ارشد، گروه مهندسی برق، دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر، تهران، ایران.
doi
10.22059/frj.2023.360955.1007479چکیده
هدف: با افزایش حجم اطلاعات و پیچیدگی بازارهای مالی، سرمایهگذاران بهطور فزایندهای بهدنبال ابزارهای نوین مالی، برای تصمیمگیری آگاهانهترند. این ابزارها باید به سرمایهگذاران کمک کنند تا ضمن انتخاب سهام مناسب، بازدهی بیشتری کسب کنند. در این راستا، سیستمهای توصیهکننده سهام، اهمیت بیشتری پیدا میکنند. سیستمهای توصیهکننده سهام میتوانند در این زمینه به سرمایهگذاران کمک کنند تا با انتخاب سهام مناسب، بازدهی بیشتری کسب کنند. سیستمهای توصیهکنندۀ سنتی سهام، اغلب دقت و کارایی لازم را ندارند. این پژوهش، روشی نوینی بهنام فیلترینگ مشارکتی مبتنی بر سهام را برای طراحی سیستم توصیهکنندۀ سهام در بورس اوراق بهادار تهران ارائه میدهد. این روش بر پایۀ دو فرضیۀ کلیدی بنا شده است: ۱. عدم کارایی بازار: بازار سهام بهطور کامل کارآمد نیست و اطلاعات را بهطور کامل و دقیق منعکس نمیکند. ۲. اطلاعات نهفته در حرکات سهام: حرکت سهام نوعی اطلاعات دارد و میتواند بر قیمت سهام دیگر در بازار تأثیر بگذارد. در این پژوهش با فرض وجود اثر انتقال در بورس اوراق بهادار تهران، از تکنیک فیلترینگ مشارکتی برای طراحی یک سیستم سهام توصیهکننده استفاده شده است که یکی از الگوریتمهای سیستمهای توصیهکننده بهشمار میرود. هدف این استراتژی، یافتن سهام مستعد برای کسب بازدهی بیشتر از بازار است.روش: در این پژوهش، از دادههای تاریخی قیمت سهام ۱۴۵ شرکت حاضر در بورس اوراق بهادار تهران، در بازۀ زمانی ۱۳۹۱ تا ۱۴۰۰ استفاده شد. الگوریتم فیلترینگ مشارکتی، در دو مرحلۀ یادگیری و آزمایش اجرا شد. در مرحلۀ یادگیری، الگوریتم با استفاده از دادههای سالهای ۱۳۹۱ تا ۱۳۹۵ آموزش داده شد و در مرحلۀ آزمایش، عملکرد آن روی دادههای سالهای ۱۳۹۵ تا ۱۴۰۰ ارزیابی شد. در گام بعدی با استفاده از الگوریتم فیلترینگ مشارکتی مبتنی بر سهام، سیگنال خریدوفروش در طول دوره محاسبه و در نهایت، استراتژی ارزیابی شد.یافتهها: الگوریتم بهعنوان یک استراتژی سرمایهگذاری، در دو دوره دروننمونهای و بروننمونه آزمایش شد. نتایج بهدستآمده از طریق الگوریتم برای دورههای بروننمونه نشان میدهد که این استراتژی میتواند ۲۵ برابر بازدهی داشته باشد؛ در حالی که شاخص کل در این بازۀ زمانی ۱۶ برابر شده که نشاندهندۀ عملکرد عالی استراتژی در طول دورۀ زمانی است. همچنین میزان ارزش در معرض ریسک در دورۀ زمانی مورد بررسی، برای روش منتخب 8/12- درصد است که میزان ریسک کمتر این روش را نشان میدهد. نتیجهگیری: الگوریتم فیلترینگ مشارکتی مبتنی بر سهام، نوعی استراتژی سرمایهگذاری فعال است. هدف این الگوریتم هوشمند، شناسایی سهام ارزشمند و کسب بازدهی بیشتر از بازار است و میتواند در این زمینه به سرمایهگذاران کمک کند. این الگوریتم میتواند ابزاری ارزشمند برای سرمایهگذاران فعالی باشد که بهدنبال یافتن سهام ارزشمند و کسب بازدهی بیشتر از بازار هستند. بنابراین پژوهشهای بیشتر برای بررسی عملکرد این الگوریتم در بازارهای مختلف و شرایط اقتصادی متنوع ضروری است. همچنین، به پژوهشگران بعدی توصیه میشود که از استراتژیهای کنترل ریسک بهره ببرند و این عملکرد سیستم را تقویت کنند.
