طراحی مدل برای آربیتراژ آماری سهام با استفاده از شبکه های عصبی عمیق، جنگل های تصادفی و درخت های با شیب تقویت شده

  • سال انتشار: 1398
  • محل انتشار: فصلنامه پژوهش های نوین در تصمیم گیری، دوره: 4، شماره: 3
  • کد COI اختصاصی: JR_SAIM-4-3_002
  • زبان مقاله: فارسی
  • تعداد مشاهده: 103
دانلود فایل این مقاله

نویسندگان

فروزان کمری

دانشجوی دکتری، گروه مدیریت صنعتی و مالی، دانشکده مدیریت و حسابداری، پردیس فارابی، دانشگاه تهران، قم، ایران.

علیرضا سارنج

استادیار، گروه مدیریت صنعتی و مالی، دانشکده مدیریت و حسابداری، پردیس فارابی، دانشگاه تهران، قم، ایران.

رضا تهرانی

استاد دانشکده مدیریت، دانشگاه تهران، تهران، ایران

میثم شهبازی

استادیار، گروه مدیریت صنعتی و مالی، دانشکده مدیریت و حسابداری، پردیس فارابی، دانشگاه تهران

چکیده

آربیتراژ آماری، استراتژی رایج سرمایه گذاری در بازارهای ناکاراست که نسبت به بازار خنثی بوده و بدون نیاز به سرمایه اولیه از هر دو جهت بازار کسب سود می کند. این تحقیق برآن است تا ضمن طراحی مدل های مناسب برای آربیتراژ آماری سهام با استفاده از الگوریتم شبکه های عصبی عمیق، جنگل های تصادفی، درخت با شیب تقویت شده و ترکیب ساده این مدل ها، به تحلیل و بررسی بازده و ریسک مدل های طراحی شده بپردازد. بدین منظور از اطلاعات همه شرکت های عضو بورس اوراق بهادار تهران از ۱۳۸۵ تا ۱۳۹۶ برای ایجاد سیگنال های معاملاتی استفاده شده است. طراحی مدل های تحقیق و کدنویسی های مربوطه و همچنین آزمون فرضیات تحقیق که با t-test مورد تحلیل قرار گرفته در نرم افزار R انجام شده است. یافته های تحقیق نشان دهنده آن است که بیشترین مقدار بازده ۲۴/۴ درصد در هر روز برای k=۵ است (بدون هزینه معاملات) که متعلق به مدل ترکیبی ساده (ENS) است. همچنین کمترین میزان ارزش در معرض ریسک (۴۵/۴%-) و کمترین مقدار ریزش مورد انتظار(۵۷/۵%-) برای k=۲۰ متعلق به مدل شبکه عصبی عمیق(DNN) و بالاترین مقدار نسبت بازده به انحراف معیار ۰۷۲/۱ است که متعلق به مدل RAF به ازاءk=۲۰ می باشد. علاوه برآن نتایج تحقیق نشان می دهند بازده های اخیر سهم قدرت پیش بینی کنندگی بالاتری در مقایسه با بازده های قبل تر دارند.

کلیدواژه ها

آربیتراژ آماری, یادگیری عمیق, جنگل های تصادفی, درخت های با شیب تقویت شده, یادگیری ترکیبی

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.