نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس ارشد مهندسی صنایع، دانشکده مهندسی صنایع و سیستم ها، دانشگاه صنعتی اصفهان، اصفهان، ایران

2 استادیار دانشکده مهندسی صنایع و سیستم ها، دانشگاه صنعتی اصفهان، اصفهان، ایران

3 استاد دانشکده مهندسی صنایع و سیستم ها، دانشگاه صنعتی اصفهان، اصفهان، ایران

10.22105/dmor.2021.297810.1456

چکیده

هدف: این مقاله، در راستای ارائه مدلی برای شناسایی سودده‌ترین نقاط عطف و یا نقاط عطف بهینه موجود در گذشته سری زمانی ابزار مالی، تدوین گردیده است. استراتژی معاملاتی سودده، که به عنوان ابزاری برای کسب سود در بورس شناخته می‌شود، استراتژی‌ای است که از نقاط معاملاتی سودده، شکل گرفته شده باشد. نقاط معاملاتی، در ادبیات موضوع با نام نقاط عطف شناخته می‌شوند. پیش بینی نقاط عطف ابزاری برای دستیابی به استراتژی معاملاتی سودده می‌باشد. اولین گام برای پیش بینی نقاط عطف، شناسایی نقاط عطف موجود در گذشته سری زمانی ابزار مالی است. میزان سوددهی نقاط عطف شناسایی شده، تأثیری مستقیم بر میزان سوددهی نقاط عطف پیش بینی شده می‌گذارد. به همین دلیل ادبیات موضوع، همواره در تلاش برای افزایش میزان سوددهی نقاط عطف مالی شناسایی شده، بوده است. بررسی کامل ادبیات موضوع توسط محققین نشان می‌دهد که هیچ یک از روش‌های موجود، قابلیت شناسایی سودده‌ترین نقاط عطف مالی را ندارند.

روش‌شناسی پژوهش: این مقاله، مسئله شناسایی نقاط عطف سری زمانی ابزارهای مالی را در بستر برنامه ریزی پویا مدل سازی می‌کند و پس از آن با استفاده از فرآیندی بازگشتی، به حل بهینه آن می‌پردازد.

یافته‎ها: نتایج عددی حاصل از پیاده سازی مدل شناسایی پیشنهادی بر چهار شرکت فعال در بورس اوراق بهادار تهران، نشان می‌دهد که این مدل، از قابلیت شناسایی نقاط عطف بهینه مالی برخوردار است .

اصالت/ارزش افزوده علمی: مقایسه عملکرد مدل پیشنهادی با تعدادی از بهترین روش‌های شناسایی موجود در ادبیات موضوع، نشان دهنده کارآیی مدل پیشنهادی در مسئله شناسایی نقاط عطف مالی است.

کلیدواژه‌ها

عنوان مقاله [English]

Detecting the optimal trading strategy in the Stock Exchange, with the application of dynamic programming

نویسندگان [English]

  • Fateme Yazdani 1
  • Mehdi Khashei 2
  • Seyed Reza Hejazi 3

1 Master of Industrial Engineering, Industrial and Systems Engineering Department, Isfahan University of Technology, Isfahan, Iran

2 Associate Prof, Faculty of Industrial and Systems Engineering Department, Isfahan University of Technology, Isfahan, Iran

3 Prof, Faculty of Industrial and Systems Engineering Department, Isfahan University of Technology, Isfahan, Iran

چکیده [English]

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 turning points (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: Comparing the proposed model with some of the best detection methods existing in the corresponding literature, indicates the proposed model's efficiency in the problem of detecting financial TPs.

کلیدواژه‌ها [English]

  • Turning Points (TPs) Detection
  • Dynamic Programming (DP)
  • Trading Strategy
  • Financial Tool