بخشی از مقاله
چکیده : یکی از مشکلات و معضلات پیش روی فعالان بزرگ اقتصادی در هر جامعه، که ستون اصلی اقتصاد آن جامعه محسوب میشوند، سرمایهگذاری مدرن و پیشرفته و بدست آوردن راههای کاربردی و سودمند برای خلاصه کردن دادههای موجود جهت تصمیمگیری در داد و ستدهای بازار بورس میباشد. در حال حاضر بیشتر سرمایهگذاران بازار بورس به دنبال روشهایی جهت مقایسه راههای مختلف تجزیه و تحلیل دادههای موجود و تاثیر گذار در این بازار میباشند که با انتخاب این روشها و حل مشکلات پیش رو، بیشترین میزان سود و ارزش سرمایهگذاری را برای فعالیت در این حیطه بدست آورند.
تحقیقات بسیاری در راستای ارائه راهکارهای سرمایهگذاری موفق به کمک روشهای مختلف از جمله شبیه سازی، تحلیل سری های زمانی، ترکیب روشهای هوش مصنوعی با روش های تحلیل سری های زمانی و در آخر ترکیب روشهای داده کاوی در بازار بورس اوراق بهادار ایران صورت گرفته است. الگوریتمهای خوشهبندی، طبقهبندی، کشف قوانین انجمنی و همچنین الگوریتم ژنتیک و شبکه عصبی و یا ترکیبی از آنها جهت پیش بینی رفتار آینده سهام و سرمایهگذاری موفق در بازار بورس، انجام شده است. در این تحقیق سعی بر آن شده که کاربرد الگوریتمهای داده کاوی در بازار بورس ایران با ارجاع به آخرین تحقیقات صورت گرفته، ارائه شود.
-1 مقدمه
بشر در دنیای امروزی به صورت روزمره درگیر تصمیم گیری های بیشمار در بازارهای گوناگون بوده و هرگونه پیشنهادی که بهبود دقت و یا کاهش زمان تصمیم گیری را به ارمغان بیاورد، برای وی جذاب و ارزشمند می باشد. یکی از بازارهایی که امروزه رو به رونق بوده و مزایای سیستمهای پشتیبان تصمیم گیری در آن بسیار مشهود می باشد بازارهای پولی و سرمایه شامل بازار بورس اوراق بهادار می باشد.
یکی از بازارهای جذاب که افراد مختلف با توجه به میزان دارایی که در اختیار دارند، میتوانند درآن سرمایه گذاری کنند، بازار سهام و یا بورس اوراق بهادار میباشد. این بازار به افراد این امکان را میدهد که با سرمایهای هرچند اندک، بتوانند در صنایع رو به گسترش مشارکت نموده و از نقدینگی خود سود بیشتری به دست آورند. بورس اوراق بهادار تهران، یکی از بازارهای سهام در حال رشد می باشد که در سالهای اخیر سرمایهگذاران متعددی را به خود جذب کرده است. از جمله عواملی که باعث می شود آحاد مردم برای ورود به این بازار اظهار تمایل نمایند عبارتند از:
- نبود حد سرمایه مجاز به نحوی که هر فردی با هر میزان سرمایه امکان ورود به این بازار را خواهد داشت؟× ×
- قابلیت نقد شوندگی بالا که موجب گردیده تا درشرایط عادی امکان ورود و خروج افراد به این بازار در کمتر از چند روز فراهم گردد.
یکی از ویژگی هایی که در تمامی بازارهای بورس و اوراق بهادار مشترک می باشد، عدم اطمینان و ریسکپذیری آن است که این ویژگی برای سرمایه گذاران نامطلوب است. اما زمانی که بازار بورس به عنوان یک سرمایهگذاری انتخاب شد این ویژگی نامطلوب غیر قابل اجتناب است. بهترین راه برای حل این مشکل، کاهش عدم اطمینان به کمک ابزار پیش بینی است که می توان این ویژگی نامطلوب را تا حد قابل ملاحضهای کاهش داد.
پیش بینی بازار سهام شامل کشف روند بازار، برنامه ریزی استراتژی سرمایه گذاری، شناسایی بهترین زمان جهت خرید و فروش سهام و همچنین تشخیص سهامی که بیشترین سود را در پی دارند و تهیه یک سبد سهام بهینه است که با تکنیک های مختلف داده کاوی امکان پذیر میباشند.×لذا در این تحقیق، به بررسی کاربرد تکنیکهای مختلف داده کاوی در بازار بورس ایران میپردازیم؟×
-2 بازار بورس اوراق بهادار
»بورس اوراق بهادار« به معنی یک بازار متشکل و رسمی سرمایه است که در آن خرید و فروش سهام شرکت ها یا اوراق قرضه دولتی و یا مؤسسات معتبر خصوصی، تحت ضوابط، قوانین و مقررات خاصی انجام می شود. بازار بورس به یک شرکت و یا سازمان های متقابل اطلاق می شود که وظیفه آن فراهم کردن امکانات تجاری برای کارگزاران سهام و معاملهگران، در خصوص تجارت سهام و دیگر اوراق بهادار می باشد. بازار سهام امکاناتی را برای دریافت و بازخرید اوراق بهادار فراهم می کند. بازار بورس اوراق بهادار اغلب جزء مهمترین بازار سهام به حساب می آید ب1ب که نه تنها برای سرمایه گذاران استراتژیک بلکه عموم افراد که اطلاعات اندکی از این بازار در اختیار دارند، قابل دسترس میباشدب2ب. ×
-3 داده کاوی
داده کاوی، کشف دانش در پایگاه دادهها نامیده می شود و روشی برای کشف اطلاعات سودمند و جدید و شناسایی الگوها و ارتباطات قابل فهم از بین حجم انبوهی از اطلاعات است. امروزه شاهد تولید حجم عظیمی از داده ها در دنیا هستیم. این حجم عظیم دادهها در سازمانها و مراکز پزشکی و بیمارستانی، بانکی، بیمه ای، بورس، مخابرات، انرژی، حمل و نقل، بازرگانی، نظامی، امنیتی، سیاسی و غیره تولید می شوند.
یکی از علوم بسیار استراتژیک که امروزه در دنیا از اهمیت ویژهای برخوردار است و بی شک میتوان نفوذ و پیشرفت روزافزون آن را در بسیاری از کاربردهای علمی و صنعتی مشاهده نمود، علم داده کاوی و کشف دانش است که دانش تولید شده را می توان در بدنه سیستم های پشتیبان تصمیمگیری تعبیه نمود و از آن برای تصمیمگیریهای کلیدی استفاده کرد.
می توان روشهای مختلف کاوش داده را در دو گروه روشهای پیش بینی1 و روشهای توصیفی2، طبقهبندی نمود. روش های پیش بینی از مقادیر بعضی از ویژگیها برای پیش بینی کردن مقدار یک ویژگی مشخص استفاده میکنند. تکنیک های دسته بندی3، رگرسیون4 و تشخیص انحراف5 سه روش یادگیری مدل در داده کاوی با ماهیت پیش بینی هستند. روش های توصیفی الگوهای قابل توصیفی را می یابند که روابط حاکم بر داده ها را بدون در نظر گرفتن هر گونه برچسب و یا متغیر خروجی تعیین می کنند.تکنیک های خوشه بندی6، کاوش قوانین وابستگی - انجمنی - 7 و کشف الگوهای ترتیبی8 سه روش یادگیری مدل در داده کاوی با ماهیت توصیفی هستند.
-4 تکنیکهای رایج تحلیل و پیشبینی سهام
معامله گران بورس عموما از یک و یا ترکیب دو رویکرد تکنیکال - Technical - و بنیادین - Fundamental - در تحلیل معاملات استفاده میکنند. در تحلیل تکنیکال فرض اساسی آن است که اثر هرگونه عامل موثر در قیمت سهم در دل پیشینه روندها و رفتار قیمت سهم وجود دارد. بر این اساس تحلیلگران تکنیکال تمرکز خود را بر بررسی رفتار قیمت سهم در گذشته قرار داده و سعی میکنند با کشف الگوهای مشخص، رفتار قیمت سهم در آینده را پیش بینی کنند.
در تحلیل بنیادین، تحلیلگران با بررسی صورتهای مالی، گزارش عملکرد و برنامه و بودجه شرکت، اقدام به بررسی توان سودآوری شرکت می نمایند و بر آن اساس تصمیم به خرید و یا فروش سهم آن شرکت می گیرند. پایداری سودآوری، نسبت مطالبات به بدهی ها، رفتار و مدیریت هزینه ها، ترکیب سهام داران شرکت، وضعیت گردش وجوه نقد، پروژههای توسعهای و سرمایه گذاری و نیز بازار محصولات و خدمات شرکت از جمله عواملی هستند که توسط این گروه تحلیل گران مد نظر قرار می گیرند.
به عبارت دیگر ابزار یک تحلیلگر بنیادی عبارت است از نسبت های مالی که از ترازنامه شرکت و حساب سود و زیان طی چند سال به دست ×میآید. نسبتهای مالی منعکس کننده شرایط مالی و مدیریتی یک شرکت هستند؛ که برای تخمین عملکرد گذشته و حال یک شرکت در یک چرخه کسب و کار استفاده می شود. تحلیل بنیادی در تحقق اهداف بلند مدت رشد سهام موثرتر است تا در تعیین نوسانات کوتاه مدت قیمت سهام. به صورت خلاصه می توان عنوان نمود تحلیل تکنیکال اغلب با هدف تجارت - معامله - در کوتاه مدت به کمک چارتها و نمودارهای قیمت و حجم معامله صورت میگیرد. در حالی که تحلیل بنیادین به منظور سرمایهگذاری بلند مدت بوده و به کمک کلیه فاکتورهای کمی و کیفی و صورتهای مالی صورت میپذیرد.
-5 تکنیک های نوین تحلیل دادهها
رویکردهای تحلیل تکنیکال و بنیادین هر دو بسیار به تجربه و صلاحیتهای فردی تحلیلگر وابسته هستند. انتخاب فاکتورهای مختلف، تعیین وزن نسبی هر یک و چگونگی قرار دادن آنها در کنار هم به منظور ایجاد یک تصمیم قابل اعتماد، تنها از عهده یک تحلیل گر چیرهدست بر می آید. تلاش های گسترده ای برای بهبود روش های بررسی و تحلیل سهام جهت حداکثر نمودن سود در بازارهای مالی دنیا صورت گرفته است که منجر به پدید آمدن روش های نوین در کنار روش های مرسوم شده اند. آیا تکنیکهای روز تحلیل داده ها می تواند چنین نقشی را ایفا نمایند؟ بدون شک در سالهای اخیر شاهد پیشرفت علم داده پردازی بودهایم.
دانش جدید داده کاوی به عنوان بستر اصلی الگوریتمها و روشهای پردازش و تحلیل دادهها، جایگاه خود را در میان تحلیل گران باز و کمکهای اثربخشی را ارائه نموده است. الگوهای کشف شده توسط محققان با استفاده از داده کاوی، جهت کمک به تصمیم گیریها مفید می باشند .[3] داده کاوی به طور گسترده ای راه حل های مناسب برای سیستم های پیچیده ارائه می دهد .[4]
از الگوریتم های داده کاوی که در بازار سهام مورد استفاده قرار گرفته اند می توان به الگوریتم های کشف قوانین وابستگی، خوشه بندی، دسته بندی، همچنین شبکه های عصبی9 و الگوریتم ژنتیک10 اشاره کرد. الگوریتم های پیش بینی نیز، به طور گسترده ای در بازار بورس به ویژه جهت پیش بینی قیمت سهام مورد استفاده قرار گرفتهاند.
-1-5 استفاده از خوشه بندی در بازار سهام ایران
در مسائل خوشه بندی مجموعه ای از رکوردها وجود دارند که هر کدام دارای تعدادی از ویژگیها هستند. در این الگوریتم ها هیچ گونه دسته خاصی وجود ندارد و فقط بر اساس معیار شباهت گروه بندی و خوشه بندی داده ها صورت می پذیرد. هدف در همه الگوریتم های خوشه بندی کمینه کردن فاصله درون خوشه ای و بیشینه کردن فاصله بین خوشهای میباشد.
عملکرد خوب یک الگوریتم خوشه بندی زمانی محرز می شود که تا حد امکان خوشه ها را از یکدیگر دورتر کرده و به علاوه رکوردهای موجود در یک خوشه بیشترین شباهت را به یکدیگر دارا باشند. شکل2 یک شمای کلی از خوشه بندی داده ها با صفات مشابه را نشان می دهد. به طور خاص دانستن این نکته می تواند مفید باشد که در درون یک شاخص بازار سهام داده شده، گروه شرکت ها یک رفتار زمانی مشابه را به اشتراک می گذارند. به این منظور روش خوشه بندی می تواند یک استراتژی خوب باشد. در اینجا بد نیست به این نکته اشاره شود که در فرآیند یافتن قوانین در دل مجموعه داده ها، عمل دستهبندی بسیار حائز اهمیت بوده و تعداد دسته و خوشه ها بیانگر تعداد قوانین آن مجموعه داده است .[5]
