شناسایی استراتژی معاملاتی بهینه در بورس اوراق بهادار، با استفاده از برنامه‌ریزی پویا

هدف: این مقاله، در راستای ارائه مدلی برای شناسایی سودده ‌ترین نقاط عطف و یا نقاط عطف بهینه موجود در گذشته سری زمانی ابزار مالی، تدوین گردیده است. استراتژی معاملاتی سودده که به‌عنوان ابزاری برای کسب سود در بورس شناخته می ‌شود، استراتژای‌ای است که از نقاط معاملاتی سودده، شکل ‌گرفته شده باشد. نقاط معاملاتی، در ادبیات موضوع با نام نقاط عطف شناخته می‌ شوند. پیش‌بینی نقاط عطف ابزاری برای دستیابی به استراتژی معاملاتی سودده می‌ باشد. اولین گام برای پیش‌بینی نقاط عطف، شناسایی نقاط عطف موجود در گذشته سری زمانی ابزار مالی است. میزان سوددهی نقاط عطف شناسایی‌شده، تاثیری مستقیم بر میزان سوددهی نقاط عطف پیش‌بینی‌شده می ‌گذارد. به همین دلیل ادبیات موضوع، همواره در تلاش برای افزایش میزان سوددهی نقاط عطف مالی شناسایی‌شده، بوده است. بررسی کامل ادبیات موضوع توسط محققین نشان می‌ دهد که هیچ‌یک از روش ‌های موجود، قابلیت شناسایی سودده ‌ترین نقاط عطف مالی را ندارند.روش‌شناسی پژوهش: این مقاله، مسئله شناسایی نقاط عطف سری زمانی ابزارهای مالی را در بستر برنامه‌ریزی پویا مدل‌سازی می‌کند و پس‌ازآن با استفاده از فرآیندی بازگشتی، به حل بهینه آن می ‌پردازد.یافته ها‌: نتایج عددی حاصل از پیاده‌سازی مدل شناسایی پیشنهادی بر چهار شرکت فعال در بورس اوراق بهادار تهران، نشان می ‌دهد که این مدل، از قابلیت شناسایی نقاط عطف بهینه مالی برخوردار است.اصالت/ارزش‌افزوده علمی: مقایسه عملکرد مدل پیشنهادی با تعدادی از بهترین روش ‌های شناسایی موجود در ادبیات موضوع، نشان‌دهنده کارایی مدل پیشنهادی در مسئله شناسایی نقاط عطف مالی است.

Detecting the Optimal Trading Strategy in the Stock Exchange, with the Application of Dynamic Programming

Purpose: This paper aims to propose a model for detecting the most profitable or the optimal Turning Points (TPs) existing in the history of the financial tool’s time series. The profitable trading strategy, which is known as a tool for gaining profit in the Stock Exchange, is the strategy formed from the profitable trading points. Trading points, in the corresponding literature, are known as TPs. TPs prediction is a tool for the achievement of a profitable trading strategy. The first step for predicting TPs is to detect TPs existing in the history of the financial tool’s time series. The profitability of the detected TPs has a direct effect on the profitability of the predicted TPs. Given this, the literature has always tried to increase the profitability of the detected financial TPs. A complete review of the literature, by researchers, indicates that none of the existing methods can detect the optimal financial TPs.Methodology: This paper implements the problem of detecting TPs from the financial tool’s time series, in the context of dynamic programming (DP) and then solves it optimally through a recursive procedure.Findings: Numerical results obtained from the application of the proposed model to four companies listed on the Tehran Stock Exchange indicate that the proposed model can detect the optimal financial TPs.Originality/Value: Originality in research mean what you are doing is from your own perspective although you may draw arguments from other research work to back up your arguments.