بخشی از مقاله
چکیده:
استفاده از محاسبات و الگوریتمهاي تکاملی بهمنظور ایجاد سیستمهاي پشتیبان تصمیم، یکی از حوزههاي جدید در مطالعات مالی محسوب میشود. سیستم معاملاتی سهام یکی از انواع این سیستمها است که بهمنظور یاري رساندن به سرمایهگذاران در اتخاذ تصمیمهاي سرمایهگذاري توسعه داده شدهاست. سرمایهگذاران براي تصمیمگیري مناسب در بازارهاي مالی از ابزارها ورویکردهاي متفاوتی میتوانند استفاده نمایند. یکی از رویکردهاي مهم در بازار سرمایه استفاده از تحلیل تکنیکال و ابزارهاي مرتبط با آن جهت معاملات سهام میباشد. تحلیل تکنیکال سعی در پیشبینی نوسانات آتی سهام با استفاده از دادههاي تاریخی سهام از جمله روند تغییرات قیمت سهام در گذشته، دارد.
در این مقاله با تلفیق و بهکارگیري دو ابزار الگوریتم برنامهنویسی ژنتیک - ابزاري مناسب جهت سرعت بخشیدن به زمان انجام معاملات - و میانگین ارزش در معرض خطر شرطی - ابزاري مناسب جهت کاهش ریسک پرتفوي - و همچنین با استفاده از تعدادي از شاخصهاي تحلیل تکنیکال مدلی جهت استخراج قواعد معاملات و انجام معاملات بر روي پرتفوي شاخص سهام توسعه داده شدهاست. اجراي مدل بر روي پرتفویی متشکل از 6 شاخص صنایع موجود در بورس اوراق بهادار تهران نشان میدهد، قواعد معاملات تولید شده توسط الگوریتم برنامهنویسی ژنتیک میتواند بازده نسبتاً بالاتري را نسبت به روش خرید و نگهداري سهام تولید نماید. همچنین استفاده از مدل میانگین ارزش در معرض خطر شرطی به منظور تشکیل پرتفوي بهینه از سهام میتواند بازدهی مدل را نسبت به تشکیل پرتفوي بر اساس وزنهاي مساوي از سهام، افزایش داد.
کلمات کلیدي: تحلیل تکنیکال؛ سیستم معاملات؛ بهینهسازي پرتفوي؛ مدل میانگین ارزش در معرض خطر شرطی؛ برنامهنویسیژنتیک.
.1 مقدمه
دستیابی به رشد اقتصادي و ایجاد انگیزه جهت سرمایهگذاري، هنگامی در یک کشور تسریع میگردد که آن کشور داراي بازار سرمایه فعال و قابل اعتماد باشد. بازار سهام، داراي سیستمی غیرخطی و آشوبگونه است که تحت تأثیر شرایط سیاسی، اقتصادي و روانشناسی میباشد.[1] موفقیت در معاملات سهام، تا حدود بسیار زیادي وابسته به تصمیمگیري درست در مورد ورود و خروج بهموقع و صحیح میباشد؛ که این امر مستلزم بررسی اطلاعا ت و داشتن تخصص جهت مشخص نمودن فرصتهاي سرمایهگذاري میباشد. بهطور کلی روشهاي پیش بینی قیمت سهام و تعیین زمان مناسب براي خرید و فروش سهام به دو دستهي روشهاي مبتنی بر تحلیل بنیادي و روشهاي مبتنی بر تحلیل تکنیکال تقسیم میشوند.[2] روشهاي مبتنی بر تحلیل تکنیکال، از طریق بررسی تغییرات و نوسانات قیمتهاي گذشته، سعی در پیشبینی روند آتی قیمت سهام را دارند و به طور کلی در تحلیل تکنیکال اساس پیشبینی بر مبناي تغییرات قیمت سهام تاکنون و روند تغییر آن در بازههاي زمانی مشخص پایهگذاري شده است. روشهاي مبتنی بر تحلیل بنیادي، براي معاملات بلندمدت مناسب بوده و قیمت سهام را با استفاده از وضعیت و صورتهاي مالی هر شرکت و گرایشهاي اقتصادي و تغییرات نرخ ارز، تحلیل میکند.
امروزه تکنیکهاي محاسبات نرم1، بهطور گسترده و موفقیتآمیز در خصوص مسائل پیشبینی، به ویژه در بازار سهام مورد اﺳﺘﻔﺎده واقع میشوند. به این علت که ابزارهایی دقیق براي پیشبینی در محیطهاي داراي سیستم غیر خطی محسوب میشوند.[3] در طی چند دهه اخیر، روشهاي محاسباتی نرم نظیر الگوریتم ژنتیک و شبکههاي عصبی مصنوعی توسط محققان بسیاري به منظور ساخت بسیاري از سیستمهاي هوشمند مورد استفاده قرار گرفتهاند . [4] یکی از حوزههاي کاربرد آن ها در مورد مسائل مالی است؛ به طوريکه امروزه محققان بسیاري به تحقیق در مورد کاربردهاي محاسبات نرم در حوزهي مالی میپردازند.[5] برایناساس میتوان از هوش مصنوعی غیرخطی همچون ماشین بردار پشتیبانی2، شبکههاي عصبی مصنوعی3 و الگوریتمهاي ژنتیک، جهت پیشبینی قیمت و یا روند بازار و همچنین تصمیمگیري در خصوص خرید و یا فروش سهام استفاده نمود.[6] باوئر، یک سیستم هوشمند را به کمک الگوریتم ژنتیک و با هدف یافتن زمانبندي استفاده از راهبردهاي معاملاتی، توسعه داد.[7] لی و همکاران، در تحقیقات خود نشان دادند که تحلیل تکنیکال از قدرت پیشبینی برخوردار بوده و این قدرت را به کمک تقویت قواعد تکنیکال با الگوریتم ژنتیک بهبود دادند.[8]
کابودان، الگوریتم ژنتیک را با هدف پیشبینی قیمت سهام مورد استفاده قرار داد.[9] کو، چن و هوانگ، به ایجاد سیستمی مشاورهاي در خصوص نگهداري، فروش و یا خرید سهام در بورس مبادرت نمودند.[10] پاتوین و همکاران، از برنامهنویسی ژنتیک براي تولید قواعد معاملاتی کوتاهمدت در بازار سهام استفاده کردند.[11] ال تلبانی، از برنامهنویسی ژنتیک براي پیشبینی بازدههاي بازار سهام مصر استفاده کرد.[12]چودري و گارك، با استفاده از ترکیب ماشین بردار و الگوریتم ژنتیک به پیشبینی روند حرکتی قیمت سهام و ساخت پرتفوي براي مدیریت فعال پرتفوي مبادرت ورزیدند.[13] مایلز، برنامهنویسی ژنتیک را بر روي 24 سهم از بورس نیویورك اجرا کرد و یک روش براي معاملهگري که با استفاده از برنامهنویسی ژنتیک تکامل یافته ﺑﻮد، پیدا کرد. [14] چن و وانگ، یک مدل ترکیب شده از برنامهنویسی شبکهاي ژنتیک 4 و میانگین ارزش در معرض خطر شرطی را ارائه کردند و با استفاده از این مدل و تعدادي از شاخصهاي تکنیکال، سیگنالهایی را به منظور معاملهي پرتفویی متشکل از 5 شاخص از بورس دنیا - چین5، هنگ کنگ6، آلمان7، ژاپن8 و نزدك - 9، تولید نمودند. [15]
کیم و همکاران، از الگوریتم ژنتیک و ﻣﺠﻤﻮﻋﻪﻫﺎي راف10، براي ﮐﺸﻒ قواعد ﻣﻌﺎﻣﻼﺗﯽ تکنیکال در بازار آتی 11استفاده نمودند.[16] چرموزیادیس و همکاران، از یک سیستم معاملاتی فازي کوتاهمدت و ترکیب شاخصهاي تکنیکال رایج و غیر متداول براي مدیریت سبد سهام استفاده کردند.[17] ابزارهاي محاسباتی نرم در بورس اوراق بهادار تهران نیز جهت پیشبینی قیمت سهام بسیار مورد توجه قرار گرفته است. اصفهانیپور و موسوي، با استفاده از الگوریتم برنامهنویسی ژنتیک، قواعد معاملاتی را براي نُه سهم از بازار سرمایهي ایران تولید کردند. آنها در مدل خود هزینهي معاملات، سود نقدي و افزایش سرمایهي مربوط به هر شرکت را نیز وارد کردند.[18] در تحقیقی دیگر، اصفهانیپور و موسوي، از الگوریتم برنامهنویسی ژنتیک براي تولید قواعد معاملاتی با معیار بازده مبتنی بر ریسک ، استفاده نمودند و به این منظور از نسبت شارپ شرطی براي محاسبهي بازده مبتنی بر ریسک در آن تحقیق استفاده کردند.[19] همچنین موسوي و همکاران دو مدل مبتنی بر برنامه نویسی ژنتیک براي معاملات پرتفوي سهام توسعه دادند20]و.[21
حسنزاده، قیمت سهام را با استفاده از برنامهنویسی ژنتیک پیشبینی نمود.[22] تهرانی و همکاران، روشی براي انجام معاملات هوشمند براساس قیمت پیشبینی شده سهام در یک بازهي زمانی چهار ساله مشخص، ارائه کردند.[23] علیمرادي و حسینزاده کاشان، از الگوریتم قهرمانی در لیگ12مجهز شده به ساختار شبکهاي، جهت استخراج قواعد معاملاتی سهام استفاده نمودند.[24] با توجه به اینکه تحقیقات کمی در زمینه کاربرد استفاده از برنامهنویسی ژنتیک جهت مدیریت پرتفوي سهام در بورس اوراق بهادار تهران انجام شدهاست و عمده تحقیقات مربوطه صرفأ جهت پیشبینی قیمت سهام شرکتها انجام شده است، لذا هدف اصلی این مقاله توسعه سیستم معاملات پرتفوي در بورس اوراق بهادار تهران از طریق تشکیل پرتفوي شاخص تعدادي از صنایع بزرگ بورس اوراق بهادار تهران با استفاده از مدل میانگین ارزش در معرض خطر شرطی و انجام معاملات بر روي آن با استفاده از برنامهنویسی ژنتیک میباشد.
.2 مدل توسعه یافته براي ایجاد سیستم معاملات پرتفوي
در مدل پیشنهادي این تحقیق، ابتدا با استفاده از مدل میانگین ارزش در معرض خطر شرطی، پرتفویی بر روي تعدادي از شاخص صنایع بزرگ تشکیل داده شده و بهینهسازي میشود . به این صورت که وزن مربوط به هریک از شاخصهاي موجود در پرتفوي، در ابتداي هر یک از دورههاي تقسیمبندي شده مشخص میشود. سپس از الگوریتم برنامهنویسی ژنتیک، جهت تولید قواعد معاملات براي هریک از شاخصهاي موجود در پرتفوي در دوره موردنظر استفاده میشود؛ و بازده مربوط به هریک از شاخصهاي یادشده براي هریک از دورهها محاسبه میگردد. در نهایت با استفاده از وزنهاي شاخصها، بازده پرتفوي طی دورههاي زمانی تقسیمبندي شده محاسبه و سیستم معاملات پرتفوي ارزیابی میشود.
-2-1 مدل میانگین ارزش در معرض خطر شرطی
از میان روشهاي سنجش ریسک، سنجههاي ریسکی که میزان ریسک را بهصورت عددي بر مبناي ضرر و از جنس واحد پولی مورد نظر محاسبه مینمایند و به نوعی میزان ضرر احتمالی سرمایهگذار از یک سرمایهگذاري را محاسبه مینمایند، به راحتی قابل تحلیل بوده و براي سرمایهگذاران قابل فهم میباشند. از جمله این سنجهها میتوان به ارزش در معرض خطر13و ارزش در معرض خطر ﺷﺮﻃﯽ14اشاره کرد. ارزش در معرض خطر بهعنوان یک معیار اندازهگیري ریسک به علت عدم تبعیت از خاصیت تحدب و زیرجمعپذیري، همواره مورد انتقاد محققان بودهاست. همچنین، مواقعی که تابع توزیع زیان دنبالهپهن باشد، این معیار نتایج پایداري نخواهد داشت و کار کردن با آن دشوار خواهد بود. علاوه بر اینها، ارزش در معرض خطر، قسمتهایی از توزیع که در طرف دیگر سطحاطمینان قرار دارند، را درنظر نمیگیرد. براساس مطالعات انجام شده تاکنون، از میان مدلهاي آماري جهت بهینهسازي و کاهش ریسک پرتفوي سهام، مدل میانگین ارزش در معرض خطر شرطی دقت بالاتري داشته و نتایج بهدست آمده از این مدل قابل اعتمادتر نسبت به سایر مدلهاي آماري میباشد.
دلیل این موضوع این است که ارزش در معرض خطر شرطی علاوه بر دارا بودن تمام خصوصیات معیار ارزش در معرض خطر، داراي مزایاي بیشتري نسبت به آن، از قبیل سادگی محاسبات، دقت بیش تر در برآورد ریسک و در نظر گرفتن احتمالات مختلف براي حالات مختلف میباشد. براي محاسبه میانگین ارزش در معرض خطر شرطی لازم است، ابتدا ارزشα در معرض خطر محاسبه شود. ارزش در معرض خطر عبارت است از بیشترین زیانی - Z - که در طی یک دورهي زمانی معین، با سطح اطمینان مشخص - - میتوان با آن مواجه شد. بنابراین ارزش در معرض خطر را میتوان به صورت رابطه - 2 - تعریف کرد.
