1 دانشجوی دکتری حسابداری واحد نجف اباد دانشگاه ازاد اسلامی نجف اباد.
2 دانشجوی دکتری حسابداری واحد نجف اباد دانشگاه ازاد اسلامی نجف اباد.
چکیده
هدف: با توجه به پیچیدگی بازار سهام در تهران زمانبندی معاملات بسیار مهم است. زمان معاملات معاملات به تحلیلگران و معامله گران کمک می کند تا حرکت قیمت سهام را پیش بینی کنند. لذا هدف از این پژوهش پیشبینی زمانبندی معاملات سهام شرکتهای پذیرفته شده در بورس اوراق بهادار است. مواد و روش ها: جامعه پژوهش شامل کلیه شرکتهای پذیرفته شده در بورس بین سالهای 2013 تا 2016 بود. نمونه بر اساس روش حذف سیستماتیک 17 شرکت فعال در بورس اوراق بهادار تهران است. روش تحقیق مبتنی بر رگرسیون گام به گام و شبکه عصبی فازی بر اساس شاخصهای قدرت نسبی, میانگین متحرک همگرایی-واگرایی, میانگین متحرک ساده, تصادفی, میانگین متحرک نمایی و خط سیگنال. یافتهها: نتایج نشان داد که میانگین دقت پیشبینی تمام شبکههای ایجاد شده (55/96%) بیشتر از تصادفی (50%) بود. با استفاده از قوانین معاملاتی مقادیر پیش بینی شده به سیگنال تبدیل شد پیشنهاد شد که سیگنال نهایی سیستم طراحی شده از مجموع سیگنال های تولید شده توسط پنج شاخص فنی دریافت شود. در مرحله بعد برای ارزیابی بازده معاملات پیشنهادی مدل با استفاده از استراتژی معاملاتی مطالعه پیشنهادی یک فرضیه شبیه سازی معاملات بود. نتیجهگیری: کارایی معاملات انجام شده بر اساس سیگنال نهایی روشهای کارایی سیستم پیشنهادی فنی و روشهای خرید و ذخیره شده (در دو مورد قبل از کسر هزینههای تراکنش و پس از کسر هزینههای تراکنش ). با توجه به نتایج مثبت میانگین دما و میانگین متحرک نمایی و روش پیشنهادی میتوان نتیجه گرفت که استفاده از این شاخصهای تحلیل تکنیکال در بازار بورس ایران میتواند روند قیمت سهام را پیشبینی کند. ضمنا روش میانگین متحرک ساده بالاترین اعتبار را برای پیش بینی روند قیمت سهام دارد. در نتیجه بورس اوراق بهادار تهران پتانسیل استفاده از شاخصهای مختلف تحلیل تکنیکال را دارد.
کلیدواژهها
20.1001.1.20082428.1399.5.1.4.0
منابع
بخردینسب، وحید؛ قاسمی، سعید. (1395). بررسی عوامل موثر بر بازده سهام با تاکید بر عوامل اقتصاد کلان و عوامل حسابداری با درنظر گرفتن تحریم های اقتصادی در شرکت های پذیرفته شده در بورس اوراق بهادار تهران، فصلنامه پژوهش های جدید در مدیریت و حسابداری، 3 (17)، 10-25.
Теграни, Реза, Аббасид, Вахид (1387). Применение искусственных нейронных сетей в планировании биржевых торгов: подход технического анализа. Экономические исследования . 8(1)، 177-151.
Сторонники Махди. (1379). Изучение факторов, влияющих на цены акций и принятие решений инвесторами на Тегеранской фондовой бирже. Тегеран: Университет Шахида Бехешти: факультет менеджмента.
Ханифи بره Фархад؛ бахрулулум مح Мохаммад Махди بوا Джавади با Бабак. (1388). Разработка и сравнительный анализ метаболических алгоритмов для реализации индексных инвестиций на Тегеранской фондовой бирже. Управление Outlook ، 32، 108-89.
Конец правления Хамида Резы. (1387). Основы нечеткого моделирования том I: нечеткая алгебра. Керман: Издательство Университета Шахида Бахонара.
Возлюбленный، Мехди. (1380). Оценка критериев, влияющих на отбор акций на Тегеранской фондовой бирже, на основе модели иерархического процесса (AHP). Исфахан: Университет Исфахана: факультет административных наук и экономики.
Ах, и ах, Алиреза. (1385). Прогнозирование цен на акции с использованием нечеткой нейронной сети и алгоритма zentic. Исфахан: Университет Исфахана: факультет административных наук и экономики.
Садрай مح Мухаммад مید ты знаешь ارز Фарзад. (1390). Принципы регулирования рынка капитала، Тегеран: Ассоциация брокеров по ценным бумагам и биржам.
Толоиашлаги Аббас был счастливым другом. (1388). Моделирование прогнозирования цен на акции с использованием нейронной сети и сравнение yenen с математическими методами прогнозирования. Экономические исследованияنامه 4 ( 7) 6 65-23.
Фаллах Шамс می мирфиз, восхитительная Асгари, Беата. (1388). Прогнозирование индекса Тегеранской фондовой биржи с использованием нейронных сетей. За пределами управления ، 3 (9)، 212-191.
Бехради Насаб, В., Гасеми, С. (2016). Изучение факторов, влияющих на доходность акций, с акцентом на макроэкономические факторы и факторы бухгалтерского учета, принимая во внимание экономические санкции в компаниях, котирующихся на Тегеранской фондовой бирже. Ежеквартальный журнал новых исследований в области менеджмента и бухгалтерского учета, 3 (17), 10-25 [На персидском языке].
Дельбари, М. (1380). Исследование критериев, влияющих на отбор акций на Тегеранской фондовой бирже, на основе модели иерархического процесса (AHP). Исфахан: Университет Исфахана: факультет административных наук и экономики [На персидском языке].
Фаллах Шамс, М., Дельнаваз Асгари, Б. (2009). Прогнозирование индекса Тегеранской фондовой биржи с использованием нейронных сетей. За пределами управления , 3 (9), 212-191 [На персидском языке].
Хамедян, М. (2000). Изучение факторов, влияющих на цены акций и решения инвесторов на Тегеранской фондовой бирже. Тегеран: Университет Шахида Бехешти: Школа менеджмента [На персидском языке].
Ханифи Ф., Бахрололум М. М., Джавади Б. (2009). Сравнительный дизайн и анализ метаэвристических алгоритмов для реализации инвестиций на основе индексов на Тегеранской фондовой бирже. Управленческая перспектива , 32, 108-89 [На персидском языке].
خاتمی (2008). مبانی مدل سازی فازی جلد اول: جبر فازی. کرمان: انتشارات دانشگاه شهید باهنر کرمان [به فارسی].
(2001). یک سیستم پشتیبانی تصمیم معاملات سهام هوشمند از طریق ادغام شبکه عصبی فازی مبتنی بر الگوریتم ژنتیک و شبکه مصنوعی. مجموعه فازی و سیستم , 118, 21-45.
(2008). می توانید مدل فازی نورون پیش بینی شاخص سهام بهتر از رقبای خود? بررسی اقتصاد سنجی , 29, 14-37.
(2006). تحقیقات چند متغیره کاربردی: طراحی و تفسیر. لندن: انتشارات حکیم.
(2006). پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی و الگوریتم ژنتیک. اصفهان: دانشگاه اصفهان: دانشکده علوم اداری و اقتصاد [به زبان فارسی].
(2011). مقررات اصول بازار سرمایه. تهران: مرکز کارگزاری بورس و اوراق بهادار .
(2008). به حداکثر رساندن معاملات برنده با استفاده از یک شبکه عصبی فازی سیستم معاملات سهام هوشمند رمان. هوش کاربردی , 29, 116-128.
(2008). کاربرد شبکه های عصبی مصنوعی در برنامه ریزی معاملات سهام: با رویکرد تجزیه و تحلیل فنی. تحقیقات اقتصادی, 8 (1), 177-151 [به فارسی].
(2009). مدل سازی پیش بینی قیمت سهام با استفاده از شبکه عصبی و مقایسه با روش های پیش بینی ریاضی. مجله اقتصاد, 4 (7), 65-23 [به فارسی].