میانگین‌های متحرک روزانه و درون‌روزی بر روی صندوق های سرمایه‌گذاری در بازار بورس ایران با رویکرد مقایسه ای با استراتژی خرید و نگهداری

معامله‌گران و سرمایه‌گذاران همواره به دنبال کسب سود بیشتر و یا کنترل ریسک‌های مرتبط با سرمایه‌گذاری‌های خود هستند. از دهه‌های گذشته، ابزارهای مختلفی برای دستیابی به این اهداف، توسعه یافته است. در این راستا، معاملات الگوریتمی به‌عنوان یکی از روش‌های برجسته در بازارهای مالی شناخته می‌شود که درصد قابل توجهی از معاملات بازار سهام ایالات متحده و سایر نقاط جهان را شامل می‌شود. این نوع معاملات بر اساس برنامه‌ها و الگوریتم‌های از پیش تعیین‌شده انجام می‌گیرد. تحلیل فنی و ابزارهای وابسته به قیمت‌های تاریخی مانند اندیکاتور و توابع قیمتی نوعی از این فیلتر‌ها و شرایط تعیین‌کننده ورود و خروج به یک دارایی مانند سهام است. میانگین‌های متحرک و استراتژی‌های برگرفته از آن‌ها همواره مورد توجه معامله‌گران و سرمایه‌گذاران در بازارهای مختلف بوده‌است. در این پژوهش، به بررسی سودآوری و عملکرد میانگین‌های متحرک روزانه و درون‌روزی با در نظر گرفتن  دو پارادایم و رژیم متفاوت بازار شامل رونق و رکود همراه با 11 سنجه عملکرد پرداخته شده‌است و پس‌از آن یک اندیکاتور روندسنج دیگری به نام شاخص جهت‌دار میانگین با استراتژی میانگین‌های متحرک درون‌روزی ترکیب شد. در پیاده‌سازی این استراتژی، علاوه‌بر خریدوفروش صندوق‌های سرمایه گذاری، از نرخ بدون ریسک هم می‌توان بهره برد و هزینه معاملاتی نیز، در نظر گرفته شده است. در پژوهش حاضر، علاوه‌بر 3 استراتژی میانگین‌های متحرک روزانه، میانگین‌های متحرک درون‌روزی و میانگین‌های متحرک دورن‌روزی با فیلتر شاخص جهت‌دار میانگین، از استراتژی خرید و نگهداری نیز، استفاده شده‌است، تا یک مقایسه جامع بین استراتژی‌های مختلف صورت گیرد. نتایج پژوهش، نشان می‌دهد در رژیم‌های رونق، استراتژی میانگین‌های متحرک روزانه و در رژیم‌های رکودی استراتژی میانگین‌های متحرک درون‌روزی با فیلتر شاخص جهت‌دار‌ میانگین بهترین عملکرد را خواهند داشت.

algorithmic trading، price-based functions، daily and intraday moving averages، average directional index (adx)، buy-and-hold strategy

traders and investors have always sought to maximize profits and manage risks associated with their investments. over the past decades، various tools have been developed to achieve these objectives. in this context، algorithmic trading has emerged as a prominent method in financial markets، accounting for a significant percentage of stock market transactions in the united states and other parts of the world. this type of trading is executed based on pre-defined programs and algorithms. technical analysis and price-dependent tools، such as indicators and price-based functions، are examples of such filters and conditions that determine entry and exit points for assets like stocks. moving averages and strategies derived from them have consistently attracted the attention of traders and investors across various markets. this study investigates the profitability and performance of daily and intraday moving averages، considering two distinct market paradigms and regimes: boom and recession. eleven performance metrics are employed in the analysis. additionally، a trend-following indicator called the average directional index (adx) is integrated with the intraday moving average strategy. in implementing this strategy، besides buying and selling investment funds، the risk-free rate is also utilized، and transaction costs are taken into account.the research evaluates three moving average strategies:1. daily moving averages،2. intraday moving averages، and3. intraday moving averages filtered by the average directional index.for comparative purposes، a buy-and-hold strategy is also included to provide a comprehensive comparison among the different strategies. the findings of this study demonstrate that during boom regimes، the daily moving average strategy performs best، while during recessionary regimes، the intraday moving average strategy filtered by the average directional index yields the most favorable results.