پیش‌بینی زمان‌بندی انجام معاملات در بورس اوراق بهادار تهران

هدف: به دلیل پیچیدگی بازار بورس ‌اوراق بهادار تهران، مسئله‌ زمان‌بندی‌ انجام‌ معاملات بسیارحائز اهمیت است. زمان‌بندی انجام معاملات، تحلیل‌گران و معامله‌گران را در راستای پیش‌بینی روند حرکت ‌قیمت‌ سهام یاری می‌نمایند. از این‌رو هدف از پژوهش‌ حاضر پیش‌بینی ‌زمان‌بندی ‌انجام ‌معاملات‌ سهام‌ شرکت‌های ‌فعال ‌در بورس‌ اوراق ‌بهادار تهران‌ است. روش: جامعه‌ آماری پژوهش شامل کلیه شرکت‌های ‌پذیرفته‌ شده‌ در بورس‌ اوراق ‌بهادار تهران طی سال‌های 1392 تا 1395 است. حجم نمونه با استفاده روش حذف ‌نظام‌مند بالغ بر 17 شرکت‌ فعال ‌در بورس انتخاب شد. روش اجرای‌ پژوهش مبتنی بر رگرسیون ‌گام‌به‌گام ‌و شبکه ‌عصبی‌ فازی ‌با تکیه ‌بر شاخص‌های ‌قدرت ‌نسبی (rsi)، میانگین ‌متحرک‌ همگراواگرا (macd)، میانگین‌ متحرک ‌ساده (sma)، نوسان‌گر تصادفی (so)، میانگین‌ متحرک‌‌نمایی (ema) و خط‌سیگنال (sl) است. یافته‌ها: یافته‌های نتایج ‌نشان ‌داد که میانگین ‌درصد صحت‌ پیش‌بینی ‌کلیه شبکه‌های ‌ایجاد شده (55/96%) بیشتر از حالت ‌تصادفی(50%) است. با اعمال مقررات ‌معاملاتی مقادیر پیش‌بینی شده به سیگنال تبدیل شدند و پیشنهاد داده شد که سیگنال ‌نهایی سیستم ‌طراحی ‌شده از مجموع سیگنال‌های ‌ایجاد شده ‌توسط 5 شاخص ‌تکنیکال مذکور بدست آید. در مرحله ‌بعد جهت ‌سنجش بازده‌ معاملات ‌پیشنهادی، مدل ارائه ‌شده با استفاده از استراتژی ‌معاملاتی ‌پیشنهادی ‌پژوهش یک معامله فرضی ‌شبیه‌سازی گردید. سپس بازده‌ معاملات صورت‌ گرفته بر اساس ‌سیگنال ‌نهایی ‌سیستم ‌پیشنهادی با بازده ‌روش‌های ‌تکنیکال‌ و روش‌های ‌خرید و نگهداری (در دوحالت ‌پیش ‌از کسر هزینه‌های ‌معاملاتی ‌و پس ‌از کسر هزینه‌های‌ معاملاتی) مقایسه ‌شدند. نتیجه‌گیری: با توجه ‌به‌ بازدهی‌ مثبت شاخص‌های sma، ema، so و روش ‌پیشنهادی می‌توان نتیجه گرفت که با استفاده از شاخص‌های تحلیل تکنیکال در بازار سهام‌ ایران‌روند قیمت ‌سهام را پیش‌بینی نمود. از این ‌میان، روش ‌میانگین ‌متحرک ‌ساده از بالاترین اعتبار برای پیش‌بینی روند قیمت ‌سهام برخوردار است. در نتیجه بازار بورس ‌تهران پتانسیل بکارگیری شاخص‌های مختلف تحلیل تکنیکی را دارا است.

Forecasting the Timing of Transactions in Tehran Stock Exchange

Objective: Due to the complexity of the stock market in Tehran, the timing of transactions is very important. The timing of trading transactions helps analysts and traders to predict the stock prices movement. Therefore, the purpose of this study is to predict the timing of stock trading of listed companies in TSE. Methods: The statistical population of the study consisted of all companies listed in TSE between 20132016. The sample is based on the systematic elimination method of 17 active companies in the TSE. Research method based on stepwise regression and fuzzy neural network based on indicators of relative strength, Moving Average ConvergenceDivergence, simple moving average, Stochastic, EMA and Signal line. Results: The results showed that the average prediction accuracy of all networks created (96.55%) was more than random (50%). By applying the trading rules, the predicted values were converted to the signal It was suggested that the final signal of the designed system be obtained from the sum of the signals generated by the five technical indicators. Next, to evaluate the returns of the proposed transactions, the model AE using the trading strategy proposed study is a trading simulation assumptions were. Conclusion: The efficiency of transactions made on the basis of the final signal proposed system efficiency methods, technical and purchasing methods and stored (in two cases before the deduction of transaction costs and after deduction of transaction costs ). Due to the positive results of SMA, EMA, SO and the proposed method, we can conclude that using these technical analysis indices in the Iranian stock market can predict the stock price trend. Meanwhile, the simple moving average method has the highest credit for predicting stock price trends. As a result, the Tehran Stock Exchange has the potential to apply various technical analysis indicators.