ارائه الگوریتم قاعده محور برای شناسایی رژیم‌ها در بازارهای افتان‌وخیزان

نویسندگان

1 استادیار، گروه مدیریت مالی، دانشگاه پیام نور، تهران، ایران.

doi
10.48308/jfmp.2024.104193
چکیده

پژوهش حاضر ضمن توسعه ادبیات مالی مرتبط با شناسایی رژیم‌های بازارها مالی، شیوه قاعده محور جدیدی را برای انتخاب نقاط تغییر در چرخه‌های کسب‌وکار پیشنهاد می‌کند که در آن ذهنیت‌گرایی را در فرآیند طبقه‌بندی رژیم‌های بازار حذف می‌کند. الگوریتم پیشنهادشده از یک رویکرد اکتشافی برخوردار بوده و هیچ شرطی برای تعیین دوره رژیم‌ها یا دامنه بازدهی آن‌ها اعمال نمی‌شود. همچنین برای مقایسه بین الگوریتم پیشنهادی و الگوریتم‌های پاگان، لیونه از آزمون بوت استرپ وایت در دارایی‌های مختلف شامل شاخص بورس اوراق بهادار تهران، فلزات مس و طلا و کالای نفت از نسبت شارپ به‌عنوان اندازه‌گیری عملکرد در داده‌های برون‌نمونه‌ای استفاده‌ شده است. نتایج حاصل نشان می‌دهد الگوریتم پیشنهادی در شناسایی رژیم‌های برون‌نمونه‌ای به‌خصوص در سری‌های زمانی که متفاوت از داده‌های شاخص بازار سرمایه باشد، عملکردی بهتر یا مساوی با سایر روش‌های شناسایی دارد. نتایج به‌دست‌آمده توفیق الگوریتم پیشنهادی را نسبت به سایر الگوریتم‌ها نشان می‌دهد. ساختار صرفه‌جو الگوریتم پیشنهادی با ارائه روشی مشخص از نوسان‌های بالقوه‌ای که در بهینه‌سازی پارامتر ایجاد می‌شود اجتناب کرده و در شناسایی رژیم‌های متفاوت در مجموعه‌های گوناگونی ازسری‌های زمانی بدون تغییر در پارامترها مفید و کاربردی است.