عنوان پایان‌نامه
طراحی استراتژی برای معاملات سهام با استفاده از روش ترکیبی هوش مصنوعی و شاخص قدرت نسبی در بورس اوراق بهادر تهران
- رشته تحصیلی
- مدیریت MBA - مدیریت مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس کیش شماره ثبت: 762;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 55038
- تاریخ دفاع
- ۱۷ شهریور ۱۳۹۱
- دانشجو
- برنا تابش
- استاد راهنما
- سعید فلاح پور
- چکیده
- پیش بینی شرایط آتی یک سهم همواره مورد توجه محققین بوده است و در این زمینه شبکه های عصبی مصنوعی بسیار مورد استفاده قرار گرفته اند. برای پیش بینی های کوتاه مدت، شاخص تکنیکی قدرت نسبی (RSI)، به صورت گسترده ای مورد استفاده قرار گرفته است. از این رو در تحقیق حاضر سعی شده است تا با ارائه مدلی بر اساس ترکیب شاخص قدرت نسبی و شبکه های عصبی پیشخور به قابلیت مناسبی جهت پیش بینی رفتار سهام در کوتاه مدت دست یافت و بر اساس آن اقدام به معاملات سهام در بورس اوراق بهادار تهران نمود. مدل ارائه شده برروی 15 سهم بورس اوراق بهادار تهران مورد آزمون قرار گرفت. سپس بازده حاصل از مدل با بازده به دست آمده از روش خرید و نگهداری مورد مقایسه قرار گرفت. نتایج نشان داد که مدل ارائه شده، در کسب بازده عملکرد بسیار بهتری نسبت به روش خرید و نگهداری دارد. در نتیجه مدل ارائه شده می تواند گام مؤثری جهت نیل به مدیریت فعال پرتفوی و پیشی گرفتن درکسب بازده نسبت به مدیریت منفعل پرتفوی باشد.
- Abstract
- Stock price prediction has been a major concern over the time. Artificial neural networks approach is widely used in this area. Short-term predictions based on the technical indicator, relative strength index (RSI), has been published in many papers and used worldwide. In this research with the objective to achieve proper short-term stock price predictions in Tehran Stock Exchange (TSE), a new trading strategy based on the use of RSI and feed-forward neural networks has been designed. In order to validate the model, stocks of 15 companies pertaining to the TSE were traded by the proposed strategy. The revenue achieved by proposed approach was compared with traditional trading strategy, Buy and Hold. The results show that the stock trading using proposed strategy significantly outperforms the results of stock trading using buy and hold strategy. Consequently, the proposed approach can be a major step toward active portfolio management and outperforming the passive portfolio management.
