فارکس فروم در افغانستان

استراتژی معاملاتی

افرادی که قصد طراحی استراتژی معاملاتی را دارند می‌توانند به مقاله آموزش بورس در سایت مهدسرمایه مراجعه کنند.

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

فصلنامه تصمیم گیری و تحقیق در عملیات، دوره: 6، شماره: 4

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 14 صفحه است به صورت فایل PDF در اختیار داشته باشید.

مشخصات نویسندگان مقاله شناسایی استراتژی معاملاتی بهینه در بورس اوراق بهادار، با استفاده از برنامه ریزی پویا

چکیده مقاله :

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 به عنوان ابزاری برای کسب سود در بورس شناخته می­ شود، استراتژای ای است که از نقاط معاملاتی سودده، شکل گرفته شده باشد. نقاط معاملاتی، در ادبیات موضوع با نام نقاط عطف شناخته می ­شوند. پیش بینی نقاط عطف ابزاری برای دستیابی به استراتژی معاملاتی سودده می ­باشد. اولین گام برای پیش بینی نقاط عطف، شناسایی نقاط عطف موجود در گذشته سری زمانی ابزار مالی است. میزان سوددهی نقاط عطف شناسایی شده، تاثیری مستقیم بر میزان سوددهی نقاط عطف پیش بینی شده می­ گذارد. 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 می ­دهد که هیچ یک از روش­ های موجود، قابلیت شناسایی سودده­ ترین نقاط عطف مالی را ندارند.روش شناسی پژوهش: این مقاله، مسئله شناسایی نقاط عطف سری زمانی ابزارهای مالی را در بستر برنامه ریزی پویا مدل سازی می کند و پس ازآن با استفاده از فرآیندی بازگشتی، به حل بهینه آن می­ پردازد.یافته : نتایج عددی حاصل از پیاده سازی 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/ارزش افزوده علمی: استراتژی معاملاتی مقایسه عملکرد مدل پیشنهادی با تعدادی از بهترین روش­ های شناسایی موجود در ادبیات موضوع، نشان دهنده کارایی مدل پیشنهادی در مسئله شناسایی نقاط عطف مالی است.

کلیدواژه ها:

کد مقاله /لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_DMOR-6-4_002 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

نحوه استناد به مقاله :

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:

یزدانی، فاطمه و خاشعی، مهدی و حجازی، سید رضا،1400،شناسایی استراتژی معاملاتی بهینه در بورس اوراق استراتژی معاملاتی استراتژی معاملاتی بهادار، با استفاده از برنامه ریزی پویا،https://civilica.com/doc/1312945


در داخل متن نیز هر جا که استراتژی معاملاتی به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: ( 1400، یزدانی، فاطمه؛ مهدی خاشعی و استراتژی معاملاتی سید رضا حجازی )
برای بار دوم به بعد: ( 1400، یزدانی؛ خاشعی و حجازی )
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله :

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Baktash, E., Amoushahi, B., & Behdad, M. M. (۲۰۱۴). Ranking .
  • Bellman, R. (۱۹۵۳). An introduction to the theory of dynamic .
  • Bramante, R., Facchinetti, S., & Zappa, D. (۲۰۱۹). Online detection .
  • Brock, W., Lakonishok, J., & LeBaron, B. (۱۹۹۲). Simple technical .
  • Chang, P. C., Fan, C. Y., & Liu, C. H. .
  • Chang, P. C., Liao, T. W., Lin, J. J., & .
  • Chang, P. C., Liu, C. H., Fan, C. Y., Lin, .
  • Chen, X., & He, Z. J. (۲۰۱۵, June). Prediction of .
  • Dash, R., & Dash, P. K. (۲۰۱۶). A hybrid stock .
  • Grillenzoni, C. (۲۰۱۲). Evaluation of recursive detection methods for turning .
  • Grillenzoni, C. (۲۰۱۴). Sequential smoothing for turning point detection with .
  • Huang, H., Pasquier, M., & Quek, C. (۲۰۰۹). Financial market .
  • Kaiser, R., & Maravall, A. (۲۰۱۲). Measuring business cycles in economic .
  • Kayal, A. (۲۰۱۰, October). A neural networks filtering mechanism for .
  • Khalifa, H. (۲۰۱۹). A study on investment problem in chaos .
  • Lin, N., Xu, W., Zhang, X., & Lv, S. (۲۰۱۴). .
  • Luo, L., You, S., Xu, Y., & Peng, H. (۲۰۱۷). .
  • Marsh, I. W. (۲۰۰۰). High‐frequency Markov switching models in the .
  • Martikainen, T., Perttunen, J., Yli-Olli, P., & Gunasekaran, A. (۱۹۹۴). .
  • Nadafi, Z., & Pourali, M. R. (۲۰۲۰). The effect of .
  • Qi, M., & Maddala, G. S. (۱۹۹۹). Economic factors and .
  • Rasoulzadeh, M., & Fallah, M. (۲۰۲۰). An overview of portfolio .
  • Tang, H., Dong, P., & Shi, Y. (۲۰۱۹). A new .
  • Terasvirta, T., Tjostheim, D., & Granger, C. W. (۲۰۱۰). Modeling .
  • Vander Wiel, S. A. (۱۹۹۶). Monitoring processes that wander using .
  • Zhu, M., & Wang, L. (۲۰۱۰, July). Intelligent trading using .

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در استراتژی معاملاتی تحقیقات خود از آن استفاده نمایید.

استراتژی های معاملاتی با طعم الگوریتم – روش های شناسایی سهام ارزنده در بورس – بنیادی، تکنیکالی و تابلوخوانی

استراتژی های معاملاتی با طعم الگوریتم

با توسعه پیشرفت های تکنولوژیک در حوزه برنامه های معاملاتی و بازارهای مالی، معاملات الگوریتمی مورد اقبال و پذیرش بورس ها در سراسر جهان قرار گرفته است. این روش، طی یک دهه گذشته در بازارهای توسعه یافته رایج ترین شیوه معاملاتی بوده و در کشورهای در حال توسعه نیز به سرعت در حال گسترش است. امروزه، معاملات الگوریتمی به عنوان آخرین روش دادوستد در بازار سرمایه کشورهای پیشرفته محسوب می شوند و بازار ما نیز به تقویت این نوع معاملات نیاز دارد؛ اما فقط با فرهنگ سازی می توانیم به فراگیرشدن ابزارهایی مانند معاملات الگوریتمی کمک کنیم.

بنر استراتژی های معاملاتی با طعم الگوریتم

شرکت های بزرگی در دنیا از جمله CITADEL و Black Rock در آمریکا رهبران سرمایه گذاری الگوریتمی محسوب می شوند و همچنین، شرکت هایی از جمله Quantopian و Numerai با دیدگاه هایی متفاوت در حال تلاش برای رهبری هوش مصنوعی یا به طور ساده تر، معاملات الگوریتمی در بازارهای مالی هستند. آمار ارائه شده در مورد استفاده از الگوریتم ها و راهبردهای الگوریتمی در دنیا و بورس های پیشرفته، امیدبخش بوده و نشان می دهد که در بیش 80 درصد حجم کل معاملات از آنها استفاده می شده است! بنابراین، کسانی که با مفاهیم معاملات الگوریتمی آشنایی ندارند، در آینده ای نزدیک، دیگر توانایی آن را نخواهند داشت که فعالیت های خود را در بازارهای مالی به راحتی ادامه دهند.

سال ها است که افراد مختلف در انواع بازارها مشغول به فعالیت و کسب درآمد هستند. بازار سرمایه نیز یکی از این بازارها است که پتانسیل خوبی برای کسب سود دارد. بازار سرمایه میان تامین کنندگان سرمایه مانند سرمایه گذاران استراتژی معاملاتی حقیقی و حقوقی و متقاضیان سرمایه مثل شرکت ها، دولت یا اشخاص، ارتباط ایجاد کرده و خریدوفروش اوراق مالکیت و اوراق بدهی را ممکن می سازد. به طور کلی، بازار سرمایه به سه گروه کالا، ارز و اوراق بهادار تقسیم می شود. از طرف دیگر، افراد حاضر در یک جامعه همواره به دنبال افزایش ثروت خود هستند؛ بنابراین، به بررسی فرصت های پیش رو می پردازند تا بتوانند رفاه و آسایش اقتصادی خود را افزایش دهند.

در تمام جوامع، بورس، ابزاری مفید و جذاب در جهت رسیدن به این اهداف محسوب می شود.

در ایران نیز این موضوع صادق بوده و به تدریج افراد حاضر در جامعه به اهمیت این موضوع بیش از پیش پی می برند. زمانی که وارد دنیای بورس می شویم، تنوع موضوعاتی را مشاهده می کنیم که برای ورود به این زیر بخش ها به آموزش نیاز داریم. پس در گام اول باید آموزش های پایه ای برای سهامداری، تحلیل و کسب سود بیشتر فرا گرفته شود. مهم ترین بخش تحلیل چگونگی انجام معاملات، انتخاب سهام و تشکیل پرتفوی و تحلیل آتی است.

علوم و دانش های بورس نظیر؛ تابلوخوانی، تحلیل تکنیکال، تحلیل بنیادی، فیلترنویسی، و روانشناسی معامله، دانش هایی هستند که می توانند نگاه بورسی ما را به شدت تغییر دهند. یکی از مهم ترین فاکتورهای هر معامله گر حرفه ای، داشتن یکی از انواع استراتژی در بورس است. فردی که استراتژی و برنامه مشخصی برای معاملات خود داشته باشد، کمتر دچار ضرروزیان می شود؛ همیشه، از اشتباهات خود درس می گیرد و هر بار هم استراتژی خود را بهبود می بخشد.

در این کتاب، به انواع استراتژی ها و دیدگاه های مختلف در بازار بورس پرداخته و هر یک از آن ها را نقد و بررسی کرده ایم. از طرف دیگر، شاید بسیاری از ما فقط نامی از معاملات الگوریتمی شنیده باشیم و چیز زیادی در مورد آن ندانیم. با این همه، زمانی که بحث الگوریتم به میان می آید، مفاهیمی را به یاد می آوریم که با کامپیوتر مرتبط هستند. معاملات الگوریتمی براساس الگوهایی انجام می شود که به کمک کامپیوتر تعریف می شوند؛ اما این معاملات می توانند به صورت خودکار یا نیمه خودکار انجام شوند. در هر دو حالت، برنامه ای که در اختیار کامپیوتر قرار می گیرد، ساخته و پرداخته دست بشر است. همین امر مشخص می کند که معامله گران به صورت کاملا هدفمند از این معاملات استفاده می کنند.

مقالات مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

برو به دکمه بالا