عنوان پایان‌نامه
مقایسه بازده معاملات مبتنی بر نما گر های تکنیکی
- رشته تحصیلی
- مدیریت مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 61557
- تاریخ دفاع
- ۰۳ مهر ۱۳۹۲
- دانشجو
- سیدفرهنگ حسینی
- استاد راهنما
- رضا راعی
- چکیده
- کسب بازدهی بیشتر یکی از هدفهای سرمایه گذاران دربازارهای مالی است. در بازار ایران با توجه به ناکارایی بازار ، از لحاظ تئوریک کسب بازدهی بیشتر امکانپذیر است. در بازارهای ناکارا ، تحلیل تکنیکال به عنوان یکی از ابزارها و روشهای خرید و فروش میتواند موثر باشد. دراین تحقیق با استفاده از نماگرهای تحلیل تکنیکی و روش تصمیمگیری منطق فازی و بهینه سازی و تصمیمگیری روش ترکیبی فازی ژنتیک برای تصمیمگیری خرید وفروش استفاده شده است. دوره بررسی شامل دوره کوتاه مدت و بلندمدت بوده است. دوره کوتاه مدت ازابتدای سال 1387 تا پایان سال 1391 بوده و 4 سال آموزش و یکسال آزمون ( تست ) بوده است. نمونه کوتاه شامل 50 شرکت فعال بود. دوره بلندمدت ازابتدای سال 1380 تا پایان 1391 بوده است. دوره آموزش دو سال وبقیه تست است.بهینه سازی نیز در انتخاب آنها صورت گرفت. شرکتهایی به عنوان نمونه نهایی انتخاب گردیدند که رتبه بازده نماگرهای تکنیکی آنها طی سالهای آموزش تفاوت معنی داری نداشتند وچارک اول نماگرهای با بازده بیشتر ( بهترین نماگرها برای هر سهم ) به عنوان نماگرهای معاملاتی استفاده شدند. بدین ترتیب بهینه سازی در مرحله نمونه گیری،انتخاب نماگرها و قواعد معاملاتی به صورت جداگانه انجام شده است. نتایج این تحقیق نشان داد که در هر دو دوره روش فازی و عصبی فازی ژنتیک بازده بیشتر و معنی داری نسبت به روش خرید و نگهداری دارد . اما روش عصبی فازی بازده کمتری نسبت به روش خرید و نگهداری داشته است.
- Abstract
- Gain more return on stock is one of the purposes of investors in financial markets. Base on Tehran stock Exchange is non-efficient market, it's possible to gain more return in theory. In non-efficient market, technical analysis is one the useful tools and techniques to buy and sell. Trading based on indicators of technical analysis are used with fuzzy logic decision making and optimization and decision making by hybrid fuzzy genetic model is the method of this research. This research is based on short term and long term duration. The short term period of research is between Mar 2009 to Feb 2013 and 4 years for learning and 1 year for test. Samples are 50 most active trading stock in TSE select by optimization. The long term is between Mar 2002to Feb 2013and2years for learning and 10 years for test. Samples are selected from 9 industry and 5 symbol that most traded in that industry during the learning time and 1 group for companies that have industry with lower than 5 company. Final sample is the symbol that the rank of technical indicator return have no Significant differences in learning during learning phase and Quartile of indicator with best rank are selected for each share as trading indicator. So the optimization separately used for sample, indicators and trading rules. The result shown that fuzzy and Neuro Fuzzy genetic have more and significant return in compare of buy and hold. But Neuro Fuzzy have less return in compare of buy and hold.
