• صفحه اصلی
  • ارائه یک معماری جدید برای سیستم پشتیبانی تصمیم جهت مدیریت خرید و فروش سهام مبتنی بر ترکیبی از شاخص های مالی

اشتراک گذاری

آدرس مقاله


کد مقاله : 202007118204 بازدید : 10468 صفحه: 67 - 76

20.1001.1.27170411.1396.9.31.6.7

نوع مقاله: پژوهشی

ارائه یک معماری جدید برای سیستم پشتیبانی تصمیم جهت مدیریت خرید و فروش سهام مبتنی بر ترکیبی از شاخص های مالی

محورهای موضوعی : عمومى

مسعود منصوری 1 , بیژن منصوری 2 , سید علیرضا هاشمی گلپایگانی 3

1 - -
2 - دانشگاه لیورپول انگلستان
3 - هیات علمی

تاریخ دریافت : 1391/03/10 تاریخ پذیرش : 1391/03/10 تاریخ انتشار : 1396/06/27

کلید واژه: سیستم پشتیبانی تصمیم, شاخص¬های مالی, حد اشباع خرید, حد اشباع فروش,

چکیده مقاله :

برای تحلیل بازار و پیش بینی وضعیت سهام در آینده، در بسیاری از مواقع از شاخص های مالی استفاده می شود. اما به دلیل پیچیدگی زیاد در بازار بورس، اینکه از چه شاخصی استفاده شود و اینکه خروجی شاخص مورد استفاده تا چه اندازه ای قابل اطمینان است، همیشه به عنوان یک مسئله مطرح بوده است. در این مقاله، از یک رویکرد ترکیبی در قالب یک سیستم پشتیبانی تصمیم برای پیشنهاد دادن بهترین سهام ها برای خرید یا فروش استفاده شده است. انتخاب بهترین سهام ها از بین مجموعه ای از سهام ها با استفاده از یکسری از شاخص های مالی صورت گرفته است. این شاخص ها هر یک به عنوان یک مدل عمل می کنند و با توجه به وضعیت سهام در گذشته، وضعیت آن را در آینده نشان می دهند. بنابراین استفاده از مجموعه ی ترکیبی از شاخص ها به ما این امکان را می دهد تا بتوانیم با قطعیت بیشتری تصمیم گیری کنیم. کارایی این سیستم بر روی مجموعه ی داده ای بازار بورس ایران که از سال 2001 تا 2011 جمع آوری شده، ارزیابی شده است. نتایج نشان می دهند که شاخص های بکار گرفته شده و استفاده ی ترکیبی از آن ها منجر شده است که سیستم پشتیبانی تصمیم با دقت بالایی پیشنهادها را تولید نماید.

چکیده انگلیسی:

Financial indicators are often used to analyze the market and predict the future of stocks. But because of the complexity of the stock market, what index to use and how reliable the output of the index used is has always been an issue. In this paper, a hybrid approach in the form of a decision support system is used to offer the best stocks to buy or sell. The best stocks are selected from a set of stocks using a set of financial indicators. Each of these indicators acts as a model and shows its status in the future, given the stock situation in the past. Therefore, using a combination of indicators allows us to make decisions with more certainty. The efficiency of this system has been evaluated on the Iranian stock market data collection collected from 2001 to 2011. The results show that the indicators used and the combined use of them have led to the decision support system to produce proposals with high accuracy

منابع و مأخذ:

1. Aronson, J., Liang, T. & Turban, E., 2005. Decision support systems and intelligent systems, Pearson, Upper Saddle River.
2.Chou, S.T. et al., 1997. A stock selection DSS combining AI and technical analysis. Annals of Operations Research, 75, pp.335–353.
3.Dong, J. et al., 2004. A framework of web-based decision support systems for portfolio selection with OLAP and PVM. Decision Support Systems, 37(3), pp.367–376.
4.Ghasemzadeh, F. & Archer, N.P., 2000. Project portfolio selection through decision support. Decision Support Systems, 29(1), pp.73–88.
5.Lambert, D.R., 1983. Commodity channel index: Tool for trading cyclic trends. Technical Analysis of Stocks & Commodities, 1.
6.Matsatsinis, N.F. et al., 2002. Intelligent DSS for portfolio management: A survey. In Proceedings of 6th Balkan conference on operational research, Thessaloniki, Greece.
7.Samaras, G.D., Matsatsinis, N.F. & Zopounidis, C., 2008. A multicriteria DSS for stock evaluation using fundamental analysis. European Journal of Operational Research, 187(3), pp.1380–1401.
8.H. Ince and T. B. Trafalis, “Kernel principal component analysis and support vector machines for stock price prediction,” IIE Transactions, vol. 39, no. 6, pp. 629–637, 2007.
9.D. K. Sharma and E. Shore, “DESIGNING A GENETIC ALGORITHM BASED DECISION SUPPORT SYSTEM FOR PORTFOLIO MANAGEMENT,” Academy of Information and Management Sciences, vol. 15, no. 2, p. 15, 2011.
10.T. Magoc and F. Modave, “The optimality of non-additive approaches for portfolio selection,” Expert Systems with Applications, vol. 38, no. 10, pp. 12967–12973, 2011.
11.S. Wang and Y. Xia, “Criteria, Models and Strategies in Portfolio Selection,” Portfolio Selection and Asset Pricing, pp. 1–22, 2002.
12.J. D. Bermudez, J. V. Segura, and E. Vercher, “A fuzzy ranking strategy for portfolio selection applied to the Spanish stock market,” in Fuzzy Systems Conference, 2007. FUZZ-IEEE 2007. IEEE International, 2007, pp. 1–4.
13.M. Fasanghari and G. A. Montazer, “Design and implementation of fuzzy expert system for Tehran Stock Exchange portfolio recommendation,” Expert Systems with Applications, vol. 37, no. 9, pp. 6138–6147, 2010.
14.S. Afshin Mansouri, D. Gallear, and M. H. Askariazad, “Decision support for build-to-order supply chain management through multiobjective
optimization,” International Journal of Production Economics, vol. 135, no. 1, pp. 24–36, 2012 15.available online: www.stockcharts.com
متن کامل:


فصلنامه علمي- پژوهشي

فناوري اطلاعات و ارتباطات ایران

سال نهم، شماره‌هاي 31 و 32، بهار و تابستان 1397

 صص: 76- 67

E:\E Drive\logo\iicta Logo0.JPG 

ارائه یک معماری جدید برای سیستم پشتیبانی تصمیم جهت مدیریت خرید و فروش سهام مبتنی بر ترکیبی از شاخص های مالی 

 

*مسعود منصوری **بیژن منصوری ***سیدعلیرضا هاشمی­گلپایگانی

* دانشجوی کارشناسی ارشد، دانشگاه صنعتی امیرکبیر

** دانشجوی دکترا، دانشگاه لیورپول انگلستان

*** هیات علمی دانشگاه صنعتی امیرکبیر

 

تاریخ دریافت: 10/03/1391 تاریخ پذیرش: 20/07/1396

چكيده

برای تحلیل بازار و پیش­بینی وضعیت سهام در آینده، در بسیاری از مواقع از شاخص­های مالی استفاده می­شود. اما به دلیل پیچیدگی زیاد در بازار بورس، اینکه از چه شاخصی استفاده شود و اینکه خروجی شاخص مورد استفاده تا چه اندازه­ای قابل اطمینان است، همیشه به عنوان یک مسئله مطرح بوده است. در این مقاله، از یک رویکرد ترکیبی در قالب یک سیستم پشتیبانی تصمیم برای پیشنهاد دادن بهترین سهام­ها برای خرید یا فروش استفاده شده است. انتخاب بهترین سهام­ها از بین مجموعه­ای از سهام­ها با استفاده از یکسری از شاخص­های مالی صورت گرفته است. این شاخص­ها هر یک به عنوان یک مدل عمل می­کنند و با توجه به وضعیت سهام در گذشته، وضعیت آن را در آینده نشان می­دهند. بنابراین استفاده از مجموعه­ی ترکیبی از شاخص­ها به ما این امکان را می­دهد تا بتوانیم با قطعیت بیشتری تصمیم­گیری کنیم. کارایی این سیستم بر روی مجموعه­ی داده­ای بازار بورس ایران که از سال 2001 تا 2011 جمع­آوری شده، ارزیابی شده است. نتایج نشان می­دهند که شاخص­های بکار گرفته شده و استفاده­ی ترکیبی از آن­ها منجر شده است که سیستم پشتیبانی تصمیم با دقت بالایی پیشنهادها را تولید نماید.

 

واژه‌های کلیدی: سیستم پشتیبانی تصمیم، شاخص­های مالی، حد اشباع خرید، حد اشباع فروش.

نویسندة عهده‌دار مکاتبات: مسعود منصوری m.mansoury@aut.ac.ir

 

 

مقدمه

انتخاب سهام (خرید یا فروش) یک مسئله­ی اساسی برای مدیریت فعالیت­های مرتبط با بازار بورس می­باشد.
تصمیم­گیری در مورد اینکه کدام سهام باید انتخاب شود، به دلیل عدم قطعیت در بازارهای بورس، بسیار مشکل است [12,13]. نوسانات قیمت سهام تحت تاثیر داده­های مالی می­باشد که بر اثر تعاملاتی که بر روی سهام اتفاق می­افتد جمع­آوری می­شوند. وقتی یک سهام در بازار به گردش در می­آید ویژگی­های زیادی را به خود می­گیرد، از جمله قیمت باز شدن، بسته شدن، بیشترین قیمت، کمترین قیمت در هر روز و همچنین حجم معاملات در روز و بسیاری از
ویژگی­های دیگر که بطور کلی عملکرد یا به نوعی ارزش سهام را نشان می­دهند. عملکرد سهام بر اساس داده­های گذشته­ی مرتبط با سهام با استفاده از یکسری شاخص­ها تعیین می­شود. از جمله­ی این شاخص­ها می­توان شاخص جریان پول، نوسانگر تصادفی، سهولت حرکت و غیره را نام برد. این شاخص­ها، ویژگی­های یاد شده را به عنوان ورودی دریافت می­کنند و به عنوان خروجی وضعیت سهام را در آینده بیان می­کنند. مطالعات نشان می­دهند که متدلوژی­ها و مدل­های زیادی برای انتخاب سهام وجود دارد [11]، اما یک چارچوب یکپارچه برای مدیریت انتخاب­ها و پیاده­سازی این متدلوژی­ها و مدل­ها وجود ندارد.

سیستم­های پشتیبانی تصمیم، سیستم­های کامپیوتری تعاملی هستند که از مدل­ها و داده­ها برای شناسایی و حل مسائل با سطح ساختاریافتگی پایین، به منظور پشتیبانی تصمیم در فرآیند تصمیم­گیری استفاده می­کنند [1]. یک سیستم پشتیبانی تصمیم با توجه به معماری آن که شامل ارائه­ی بهترین راه­حل­ها از بین گزینه­های موجود، تشریح دلیل انتخاب آن راه­حل­ها و ارائه­ی خروجی مورد انتظار هر راه­حل می­باشد، می­تواند در انتخاب سهام در بازار بسیار پیچیده­ی بورس، برای سرمایه­گذاران موثر واقع شود [14]. در [6]، یک بررسی بر روی مهمترین عوامل سیستم­های پشتیبانی تصمیم در حوزه­ی مدیریت و ارزیابی سهام انجام شده است.

در این مقاله، یک رویکرد برای پشتیبانی تصمیم در مورد انتخاب سهام برای خرید یا فروش ارائه می­دهیم. برای این منظور از داده­های بازار بورس ایران که از سال 2001 تا 2011 جمع­آوری شده است استفاده شده است. بدلیل ماهیت مجزای سهام­ها و قابل مقایسه بودن آن­ها، ابتدا گروه­بندی بر روی سهام­ها انجام شده است. اطلاعات
گروه­بندی هر سهام در وب سایت رسمی بازار بورس1 موجود است. سیستم پشتیبانی تصمیم پیشنهادی از بین سهام­های موجود در هر گروه 10 سهام را همراه با رتبه­بندی بر اساس سودآوری پیشنهاد می­کند که 5 مورد آن برای خرید و 5 مورد دیگر برای فروش پیشنهاد می­شوند. پیشنهاد بر اساس یکسری شاخص­های مالی محاسبه شده بر روی داده­های تاریخی هر سهام، تولید می­شوند. خروجی این شاخص­های مالی دو مفهوم را در مورد سهام نشان می­دهند: حد اشباع فروش2 و حد اشباع خرید3. حد اشباع فروش نشاندهنده کاهش بیش از انتظار قیمت سهام در بازار است در حالیکه حد اشباع خرید نشاندهنده­ی افزایش قیمت سهام در بازار است. تصمیم­گیری و تولید پیشنهاد نیز بر اساس این دو عامل صورت خواهد گرفت. بدین صورت که پس از
محاسبه­ی مقدار شاخص­ها بر روی هر سهام، در صورتیکه اکثر شاخص­ها در مورد آن سهام سیگنال خرید/ فروش را نشان بدهند، آن سهام برای خرید/فروش مناسب خواهد بود.

در اين مقاله، ابتدا در بخش دوم به مرور کلی کارهای انجام شده در حوزه­ی مدیریت سهام با رویکرد سیستم پشتیبانی تصمیم پرداخته می شود. سپس، در بخش سوم،
شاخص­های مالی معرفی شده در این مقاله معرفی می­شوند. در بخش چهارم، معماری سیستم پشتیبانی تصمیم ما ارائه خواهد شد. در بخش پنجم، نتایج حاصل از آزمایشات انجام شده به همراه تحلیل نتایج ارائه خواهند شد. در نهایت در بخش ششم نتیجه گیری کار ارائه خواهد شد.

2- کارهای گذشته

در این بخش مروری بر کارهای گذشته ارائه خواهد شد که بر روی انتخاب سهام با استفاده از سیستم­های پشتیبانی تصمیم تمرکز داشتند.

اکثر تحقيقات در زمينه سيستم­هاي پشتيباني تصميم براي مديريت سهام بر روي طراحي سيستم­هاي هوشمند با استفاده از روش­هاي داده­کاوي (شامل شبکه عصبي، الگوريتم­هاي ژنتيک، سيستم­هاي چند عاملي و ماشين بردار پشتيبان4) تمرکز دارند [10]. در [2]، یک سیستم پشتیبانی تصمیم انتخاب سهام هوشمند5 ارائه شده است که دارای دو مولفه­ی تحلیل تکنیکال و هوش مصنوعی می­باشد. مولفه­ی تحلیل تکنیکال برای پیش پردازش بر روی داده­های ورودی، فیلترسازی سهام­ها و توصیه­ی لیستی از
سهام­ها برای خرید یا فروش استفاده شده است. مولفه­ی دوم که یک مولفه­ی هوش مصنوعی می­باشد، نقش یک تاجر با تجربه، برای بهبود لیست سهام­های توصیه شده توسط مولفه­ی تحلیل تکنیکال را ایفا می­کند. در واقع، تمرکز اصلی در این مقاله بر روی کامپیوتری کردن تحلیل تکنیکال با استفاده از سیستم پشتیبانی تصمیم هوشمند می­باشد. همچنين، Sharma و همکاران در [9]، يک چارچوب براي طراحي يک سيستم پشتيباني تصميم با استفاده از الگوريتم ژنتيک مطرح کردند به طوريکه براي ساخت يک سيستم مديريت سهام بهينه براي سرمايه­گذاران قابل استفاده باشد. يکي از مزاياي اين سيستم اين است که فرآيند انتخاب سهام را تسهيل کرده است.

Shamara در [7]، یک سیستم پشتیبانی تصمیم چند معیاره6 برای ارزیابی سه رویکرد تحلیل بنیادین، تحلیل تکنیکال و تحلیل بازار بورس ارائه کرده است. در این سیستم از متدولوژی­های تحلیل چند معیاره برای
رتبه­بندی سهام استفاده شده است. در نهایت خروجی سیستم، رتبه­بندی از چهار سهام می­باشد که به چهار گروه از معیارهای مختلف پاسخ می­دهد. این خروجی وابسته به برنامه­ی حسابداری هر شرکت لیست شده می­باشد. همچنین Ghasemzade در [4]، یک سیستم پشتیبانی تصمیم برای انتخاب سهام پروژه استفاده کرده است که تصمیم­گیری را بر اساس تحلیل پروژه و سیستم انتخاب انجام می­دهد.

Dong در [3]، یک چارچوب یکپارچه برای انتخاب سهام ارائه کرده است که سهام موثر را برای سرمایه­گذاران انتخاب می­کند. تمرکز این چارچوب بر روی پیاده­سازی یک سیستم پشتیبانی تصمیم مبتنی بر وب می­باشد که از قابلیت­های تکنولوژی­هایی مثل پردازش تحلیلی برخط7 به عنوان یک ابزار افزونه برای مقاصد تحلیلی و ماشین مجازی موازی برای بهبود کارایی سیستم استفاده شده است. Ince و همکاران در [8]، از شبکه­هاي پرسپترون چندلايه و رگرسيون بردار پشتيبان براي پيش­بيني قيمت سهام استفاده کرده­اند. آن­ها نشان دادند که اين دو تکنيک، نتايج بهتري نسبت به
روش­هاي ديگر داده­کاوي در پيش­بيني قيمت سهام توليد مي­کنند. 

3- شاخص­های مالی

در این بخش شاخص­هایی که در سیستم پیشنهادی بکار رفته معرفی خواهد شد. هر کدام از این شاخص­ها، یک مدل مالی می­باشند که با توجه به وضعیت سهام در گذشته، وضعیت آن را در آینده نشان می­دهند [15].

3-1-                      جریان مالی چیکین8

این شاخص حجم جریان پول را در یک دوره­ی زمانی مشخص می­سنجد. مقدار مثبت برای این شاخص نشاندهنده­ی فشار خرید و مقدار منفی نشاندهنده­ی فشار فروش می­باشد. این شاخص با استفاده از رابطه­ی زیر محاسبه می­شود: 

img0 

(1)

img0          (2)

img0 (3)

که MFM ضرب کننده­ی جریان پول می­باشد، MFV حجم جریان پول و n-CMF نشاندهنده­ی جریان مالی چیکین برای n دوره می­باشد.

 

 

3-2-                      شاخص قدرت نسبی9

شاخص قدرت نسبی (RSI)، یک شاخص نوسانگر است که میزان سرعت و تغییر در قیمت را اندازه­گیری می­کند. RSI بین صفر و 100 نوسان می­کند. عموماً مقدار بیش از 70 برای این شاخص نشاندهنده­ی حد اشباع خرید و مقدار کمتر از 30 نشاندهنده­ی حد اشباع فروش در بازار می­باشد. این شاخص با استفاده از رابطه­ی زیر محاسبه می­شود:

img0                      (4)

که AverageGain نسبت مجموع سود بدست آمده به دوره زمانی و AverageLoss نسبت مجموع زیان به دوره زمانی می­باشد. اختلاف قیمت باز شدن و بسته شدن سهام در هر روز سود یا زیان آن سهام را نشان می­دهد، یعنی اگر اختلاف این دو مقدار مثبت بود نشاندهنده­ی سود و در غیر این صورت نشاندهنده­ی زیان می­باشد.

3-3-                      نوسانگر تصادفی10

نوسانگر تصادفی شاخصی است که موقعیت قیمت بسته شدن سهام را نسبت به بالاترین و پایین­ترین قیمت در یک مجموعه زمانی مشخص نشان می­دهد. مطابق با تحقیقات انجام گرفته، این شاخص قیمت، حجم خرید یا فروش و یا موارد مشابه را پیگیری نمی­کند، بلکه سرعت یا شتاب قیمت را پیگیری می­کند. این شاخص بصورت درصدی بیان
می­شود و بین 0% و 100% نوسان می­کند. مقادیر بیش از 80% برای این شاخص نشاندهنده­ی این است که قیمت نزدیک به بالاترین قیمت در دوره است و مقدار کمتر از 20% نشاندهنده­ی این است که قیمت نزدیک به پایین­ترین قیمت در دوره است. این شاخص بصورت زیر محاسبه می­شود:

img0             (5)

که Close قیمت بسته شدن فعلی، Low پایین­ترین قیمت در دوره و High بیشترین قیمت در دوره را نشان می­دهد.

3-4-                      شاخص کانال کالا11

شاخص کانال کالا یک شاخص همه­کاره است که می­تواند برای شناسایی یک روند جدید بکار می­رود. بطور کلی، CCI سطح قیمت فعلی را نسبت به یک سطح قیمت میانگین در یک دوره­ی زمانی مشخص اندازه­گیری می­کند. وقتی CCI بیش از مقدار میانگین­اش باشد، مقدار آن نسبتاً بالا خواهد بود و برعکس. در این شرایط، CCI می­تواند برای تعیین سطوح حد اشباع خرید و فروش استفاده شود. مقدار این شاخص بین 100 و 100- است. مقادیر بیش از 100 نشاندهنده­ی این است که سهام در بازار به حد اشباع خرید رسیده است و مقادیر کمتر از 100- نشاندهنده­ی این است که سهام به حد اشباع فروش در بازار رسیده است. این شاخص به صورت زیر محاسبه می­شود:

img0                (6)

img0                 (7)

که TP قیمت معمولی و MeanDeviation انحراف معیار قیمت­ بسته شدن سهام در روز­های مختلف را در یک دوره زمانی مشخص نشان می­دهد.

3-5-                      سهولت حرکت12

شاخص سهولت حرکت مشخص می­کند که قیمت یک سهام به آسانی حرکت می­کند یا با ثبات مواجه شده است. برای مثال، اگر اکثر روندها در طی یک روز، به دلیل افزایش قیمت، خرید سهام بود، آنگاه سهام دارای سهولت حرکت بالایی می­باشد. درحالیکه، اگر سهام دارای روندهای خرید و فروش با تغییرات سراسری پایین در قیمت بود، سهام یک سهولت حرکت نزدیک به صفر خواهد داشت. اگر مقدار این شاخص مثبت باشد، به این معنی است که قیمت در حال افزایش یافتن است و اگر منفی باشد به این معنی است که قیمت در حال کاهش یافتن است و اگر صفر باشد به این معنی است که قیمت تغییرات زیادی نخواهد داشت. این شاخص به صورت زیر محاسبه می­شود:

img0 (8)

که High(T) بیشترین قیمت امروز، Low(T) کمترین قیمت امروز، High(Y) بیشترین قیمت دیروز و Low(Y) کمترین قیمت دیروز را نشان می­دهد.

3-6-                      شاخص جریان پول13

شاخص جریان پول نوسانگری است که از قیمت و حجم خرید و فروش برای سنجش میزان فشار خرید و فروش استفاده می­کند. تحلیل این شاخص مشابه RSI است و مانند آن محاسبه می­شود، با این تفاوت که در این شاخص باید نسبت جریان پول مثبت و منفی نیز محاسبه شود. مقدار بیشتر از 80 برای این شاخص نشاندهنده­ی حد اشباع خرید و مقدار کمتر از 20 نشاندهنده­ی حد اشباع خرید می­باشد. این شاخص به صورت زیر محاسبه می­شود:

img0            (9)

img0                 (10)

که RMF جریان پول خام، PMF جریان پول مثبت، NMF جریان پول منفی و MFI شاخص جریان پول
می­باشد.

 

 

3-7-                      شاخص کارائی14

این شاخص قیمت بسته شدن فعلی را با مقدار اولین قیمت بسته شدن (از اولین دوره زمانی) مقایسه می­کند و میزان تغییرات در قیمت را نشان می­دهد. نمودار شاخص کارائی نشان می­دهد که چقدر یک قیمت بسته شدن از قیمت در اولین دوره تغییر می­کند. این شاخص، اختلاف را بصورت درصدی نشان می­دهد، برای مثال اگر مقدار شاخص کارائی 20- شود، به این معنی است که قیمت بسته شدن سهام 20-% افت می­کند. پس می­توان نتیجه گرفت که مقدار مثبت برای این سهام، نشاندهنده­ی موقعیت خرید و مقدار منفی نشاندهنده­ی موقعیت فروش می­باشد. این شاخص به صورت زیر محاسبه می­شود:

img0        (11)

که Close(today) قیمت بسته شدن امروز و Close(First) قیمت اولین بسته شدن را نشان می­دهد.

3-8-                      شاخص نرخ تغییر15

شاخص نرخ تغییر نوسانگری است که درصد تغییر در قیمت را از یک دوره تا دوره بعد اندازه­گیری می­کند. در واقع این شاخص قیمت فعلی را با قیمت در n دوره گذشته مقایسه می­کند. نمودار این شاخص نوسانگری را تشکیل می­دهد که بالا و پایین خط صفر نوسان می­کند. مقدار مثبت برای این شاخص نشاندهنده­ی این است که قیمت در حال افزایش یافتن است و مقدار منفی نشاندهنده­ی این است که قیمت در حال کاهش یافتن است. این شاخص به صورت زیر محاسبه می­شود:

img0        (12)

که Close قیمت بسته شدن فعلی و Close(past) قیمت بسته شدن در n دوره گذشته را نشان می­دهد.

 

4-                      معماری سیستم پشتیبانی تصمیم

در سیستم پیشنهادی، هدف کمک به تصمیم­گیری در مورد خرید یا فروش سهام در یک گروه مشخص می­باشد. معماری سیستم پیشنهادی در شکل 1 نشان داده شده است. این سیستم دارای سه مولفه­ی اصلی می­باشد: ورودی، پردازشگر و خروجی. جعبه­های سیاه و سفید، به ترتیب نمایانگر مولفه­های پردازشی و ذخیره­سازی داده می­باشند. در ادامه هر یک از مولفه­ها بطور کامل شرح داده خواهند شد.

در مولفه­ی ورودی، دو پارامتر به عنوان ورودی سیستم در نظر گرفته می­شود: گروه سهام و زمان. منظور از زمان، زمان فعلی است که قرار است تصمیم­گیری در مورد سهام برای بعد از آن صورت گیرد، پس در نتیجه داده­های قبل از آن به عنوان تست و داده­های بعد از آن برای تحلیل و ارزیابی سیستم در نظر گرفته می­شود. در واقع ورودی زمان، برای پویایی سیستم در نظر گرفته شده است.

در بازار بورس گروه­های مختلفی وجود دارد و در هر گروه نمادهای مختلف سهام خود را عرضه می­کنند. گروه­ها و نمادهای موجود در هر گروه از اطلاعات موجود در بازار بورس استخراج شده و برای سیستم تعریف شده است. وقتی کاربر گروهی را انتخاب می­کند، نمادهای موجود در آن گروه و مجموعه داده­های مربوط به سهام آن­ها وارد سیستم
می­شوند.

هدف از سیستم­های پشتیبانی تصمیم این است که از بین تمام گزینه­های موجود، تعداد محدودی از مناسب­ترین گزینه­ها انتخاب شود و برای هر گزینه انتخابی، خروجی آن گزینه یا دلیل مناسب بودن آن گزینه شرح داده شود.

 برای نیل به این مقصود در سیستم پیشنهادی، از
شاخص­های معرفی شده در بخش 3 استفاده شده است. این شاخص­ها، یکسری مدل­های مالی هستند که وضعیت سهام را در آینده نشان می­دهند. این شاخص­ها به گونه­ای انتخاب شده­اند تا خروجی هر یک مفهوم یکسانی را تبیین نماید و موجب هم­افزائی شوند. در واقع مقدار هر شاخص معنی مشخصی می­دهد که در بخش 3 بطور کامل شرح داده شده است. اما بطور کلی، این شاخص­ها به نوعی بر دو عامل تاکید دارند: حد اشباع فروش در بازارو حد اشباع خرید در بازار. حد اشباع فروش به این معنی است که میزان فروش سهام در بازار افزایش یافته یا دقیق‌تر اینکه، قیمت سهام بیش از انتظار بازار کاهش یافته است و احتمال می­رود که تغییر روند صعودی در آن رخ دهد و در چنین موقعیتی توصیه به خرید سهام می­شود. به همین نسبت، حد اشباع خرید به این معنی است که میزان خرید سهام در بازار افزایش یافته یعنی، قیمت سهام بیش از انتظار بازار افزایش یافته است و احتمال می­رود که تغییر روند نزولی در آن رخ دهد و در چنین موقعیتی توصیه به فروش سهام می­شود.

با توجه به اینکه مفهوم شاخص­های مورد استفاده در یک جهت هستند، می­توان این­طور نتیجه گرفت که اگر برای یک سهام، تعداد اکثر شاخص­ها یک نوع تصمیم­گیری را نشان می­دهند، پس می­توان برای آن سهام، تصمیم را اعمال کرد. برای این منظور می­توان سهام­ها را رتبه­بندی کرد. به عنوان مثال برای تصمیم­گیری در مورد خرید سهام، ابتدا شاخص­های معرفی شده در بخش 3 را برای هر یک از سهام­ها محاسبه می­کنیم سپس برای هر سهام به ازای هر شاخصی که برای آن سیگنال خرید را نشان می­دهد یک امتیاز مثبت در نظر می­­گیریم. در نهایت سهام­ها را بر اساس امتیاز اکتسابی مرتب می­کنیم. سهامی که بیشترین امتیاز را کسب کرده باشد، می­تواند به عنوان بهترین راه­حل در نظر گرفته شود.

در بخش 5 نشان داده شده است که سیستم پیشنهادی با دقت بالایی عمل می­کند و در اکثر موارد، راه­حل­های درستی را ارائه داده است. در واقع، استفاده از شاخص­هایی که مفاهیم یکسانی را بیان می­کنند این امکان را به ما
می­دهند تا بتوانیم با قطعیت بیشتری تصمیم بگیریم. به عنوان مثال وقتی از بین 8 شاخص مورد استفاده در سیستم، 6 شاخص نشان می­دهند که یک سهام دارای موقعیت فروش است، پس می­توان با قطعیت بیشتری تصمیم گرفت که فروش آن سهام سودآور است.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

5-       آزمایشات

در این بخش به ارزیابی کارایی سیستم پشتیبانی تصمیم پیشنهادی می­پردازیم. ارزیابی سیستم به این صورت است که ابتدا با توجه به ورودی­های کاربر، از بین سهام­های مختلفی که وجود دارد، 5 سهام برای خرید و 5 سهام برای فروش پیشنهاد داده می­شوند. سهام­های موجود در هر یک از این دو بخش (خرید یا فروش) بصورت رتبه­بندی شده ارائه می­شوند. سپس برای هر سهام یک نمودار رسم می­شود. این نمودار بر حسب زمان و قیمت بسته شدن سهام در یک روز مشخص می­باشد. بازه­ی زمانی در این نمودار نیز در بازه­ی ورودی توسط کاربر و 10 روز بعد از آن است. علت استفاده از 10 روز بعد، بررسی کارایی سیستم است. یعنی انتظار می­رود روند قیمت سهام از تاریخ وارد شده قبل از تولید پیشنهاد، با موارد پیشنهاد شده مطابقت داشته باشد (در صورتی که خرید سهام پیشنهاد شده است، انتظار می­رود، قیمت سهام در آینده صعودی باشد و بالعکس، در صورت پیشنهاد فروش سهام، انتظار می­رود قیمت آن در آینده نزولی باشد.)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

img0 

 

 

 

 

 

 

 

 

شکل 1- معماری سیستم پشتیبانی تصمیم

 

 

5-1- مجموعه داده و روش­پیاده­سازی

آزمایشات بر روی داده­های بازار بورس ایران که از سال 2001 تا سال 2011 جمع­آوری شده­اند، انجام شده است. برای معنادار بودن مقایسه­ی سهام­ها با یکدیگر، از گروه­بندی معرفی شده در بازار بورس استفاده شده است. در واقع، عملکرد هر سهام با سهام­های هم­گروه مقایسه می­شود. این مجموعه داده دارای ویژگی­های تاریخ، اولین قیمت سهام، بیشترین قیمت سهام، کمترین قیمت سهام، قیمت باز شدن سهام در تاریخ مشخص شده، قیمت بسته شدن سهام در تاریخ مشخص شده می­باشد. از این ویژگی­ها برای محاسبه­ی شاخص­های معرفی شده در بخش 3 استفاده شده است. 

برای پیاده­سازی سیستم پیشنهادی، از نرم­افزار matlab استفاده شده است. بدین صورت که ابتدا مجموعه­داده­ای وارد نرم­افزار شده است و سپس با استفاده از زبان برنامه­نویسی مورد استفاده در این
نرم­افزار، الگوریتم معرفی شده در سیستم، پیاده­سازی شده است. شکل 2 و شکل 3، واسط کاربری طراحی شده برای سیستم پیشنهادی را نشان می­دهند.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

DSS-GUI1 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

شکل 2 - واسط کاربری سيستم پیشنهادی

 

 

DSS-Plot1 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

شکل 3 - واسط کاربری سیستم پیشنهادی برای نمایش نمودار

 

 

 

 

 

5-2- نتایج آزمایشات

در این قسمت خروجی سیستم، برای یک نمونه ورودی مشخص ارائه می­شود. برای محاسبه­ی خروجی، از تمام شاخص­های معرفی شده در بخش 3 استفاده شده است. ورودی­ها به ترتیب از گروه محصولات شیمیایی و تاریخ وارد شده 2 می 2001 می­باشد. با توجه به این ورودی­ها، سیستم به ترتیب با اولویت بندی، 5 سهام را برای فروش و 5 سهام را برای خرید پیشنهاد می­دهد. در ادامه به بررسی سهام­های با رتبه­ی اول در دو بخش می­پردازیم.

شکل 4، نمودار مربوط به سهام رتبه­ی اول در بخش خرید را نشان می­دهد.  دایره­ی موجود در نمودار، نشاندهنده­ی زمانی است که کاربر در ابتدا وارد کرده است و قبل از آن مربوط به گذشته­ی سهام بوده و محاسبه­ی شاخص­ها بر اساس آن­ها انجام شده است. همانطور که در شکل مشخص است، بعد از تاریخ وارد شده توسط کاربر، قیمت سهام رو به افزایش است و در صورت خرید چنین سهامی، سودآوری حداکثر خواهد بود.

 

img0 

 

 

 

 

 

 

 

 

شکل 4- نمودار مربوط به پيشنهاد خريد سهام

شکل 5 نیز نمودار مربوط به سهام رتبه­ی اول در بخش فروش را نشان می­دهد.  همانطور که در شکل مشخص است، بعد از تاریخ وارد شده توسط کاربر، قیمت سهام رو به کاهش است و در صورت فروش چنین سهامی، از ضرر بیش از حد جلوگیری خواهد شد.

 

 

 

 

 

img0 

 

 

 

 

 

 

 

 

 

 

شکل 5- نمودار مربوط به پيشنهاد فروش سهام

 

6-نتیجه و کارهای آینده

در این مقاله، یک رویکرد ترکیبی با استفاده از شاخص­های مالی برای ارزیابی سهام در قالب یک سیستم پشتیبانی تصمیم ارائه شده است. در بخش آزمایشات نشان داده شده است که این سیستم قادر است با دقت بالایی پیشنهادها را تولید کند. در واقع استفاده­ی ترکیبی از شاخص­ها موجب می­شود که میزان قطعیت در تصمیم­گیری افزایش یابد. سیستم نیز سهامی را برای خرید/فروش پیشنهاد می­دهد که شاخص­های بیشتری در مورد آن، سیگنال خرید/فروش را نشان داده باشند.

از جمله کارهایی که می­توان در آینده انجام داد، استفاده از تحلیل واگرایی می­باشد. در این مقاله، تحلیل حداشباع فروش/خرید بروی خروجی هر شاخص انجام شده است. استفاده از تحلیل واگرایی در کنار تحلیل حد اشباع خرید/فروش، می­تواند بسیار موثر واقع شود. کار دیگری که می­توان در این راستا انجام داد، استفاده از روش­های وزن­دهی مناسب به شاخص­ها برای انتخاب سهام در گروه مربوط به آن سهام­ می­باشد. یعنی به جای اینکه به خروجی هر شاخص وزن­ یکسانی داده شود، به شاخص­های با اهمیت­ بیشتر، وزن بیشتری داده شود. همچنین در ادامه می­توان از شاخص­های بیشتری برای این منظور استفاده کرد تا سیستم بتواند پیشنهادهای دقیق­تری را تولید نماید.

 

منابع

1. Aronson, J., Liang, T. & Turban, E., 2005. Decision support systems and intelligent systems, Pearson, Upper Saddle River.

2.Chou, S.T. et al., 1997. A stock selection DSS combining AI and technical analysis. Annals of Operations Research, 75, pp.335–353.

3.Dong, J. et al., 2004. A framework of web-based decision support systems for portfolio selection with OLAP and PVM. Decision Support Systems, 37(3), pp.367–376.

4.Ghasemzadeh, F. & Archer, N.P., 2000. Project portfolio selection through decision support. Decision Support Systems, 29(1), pp.73–88.

5.Lambert, D.R., 1983. Commodity channel index: Tool for trading cyclic trends. Technical Analysis of Stocks & Commodities, 1.

6.Matsatsinis, N.F. et al., 2002. Intelligent DSS for portfolio management: A survey. In Proceedings of 6th Balkan conference on operational research, Thessaloniki, Greece.

7.Samaras, G.D., Matsatsinis, N.F. & Zopounidis, C., 2008. A multicriteria DSS for stock evaluation using fundamental analysis. European Journal of Operational Research, 187(3), pp.1380–1401.

8.H. Ince and T. B. Trafalis, “Kernel principal component analysis and support vector machines for stock price prediction,” IIE Transactions,

 

 

 

 

 

 

 

 

 

 

 

 

 

vol. 39, no. 6, pp. 629–637, 2007.

9.D. K. Sharma and E. Shore, “DESIGNING A GENETIC ALGORITHM BASED DECISION SUPPORT SYSTEM FOR PORTFOLIO MANAGEMENT,” Academy of Information and Management Sciences, vol. 15, no. 2, p. 15, 2011.

10.T. Magoc and F. Modave, “The optimality of non-additive approaches for portfolio selection,” Expert Systems with Applications, vol. 38, no. 10, pp. 12967–12973, 2011.

11.S. Wang and Y. Xia, “Criteria, Models and Strategies in Portfolio Selection,” Portfolio Selection and Asset Pricing, pp. 1–22, 2002.

12.J. D. Bermudez, J. V. Segura, and E. Vercher, “A fuzzy ranking strategy for portfolio selection applied to the Spanish stock market,” in Fuzzy Systems Conference, 2007. FUZZ-IEEE 2007. IEEE International, 2007, pp. 1–4.

13.M. Fasanghari and G. A. Montazer, “Design and implementation of fuzzy expert system for Tehran Stock Exchange portfolio recommendation,” Expert Systems with Applications, vol. 37, no. 9, pp. 6138–6147, 2010.

14.S. Afshin Mansouri, D. Gallear, and M. H. Askariazad, “Decision support for build-to-order supply chain management through multiobjective optimization,” International Journal of Production Economics, vol. 135, no. 1, pp. 24–36, 2012.

15.available online: www.stockcharts.com

 

 

 

 

 

 

[1]  www.tsetmc.ir

[2]  Oversold

[3]  Overbought

[4]  Support Vector Machine

[5]  Intelligence Portfolio Selection Decision Support System

[6]  Multi-criteria Decision Support System

[7]  On-Line Analytical Process

[8]  Chaikin Money Flow

[9]   Relative Strength Index

[10]  Stochastic Oscillator

[11]   Commodity Channel Index

[12]   Ease Of Movement

[13]   Money Flow Index

[14]  Performance Indicator

[15]  Rate of Change

 

 

 

 

 

 

 

 

 

 

 

 

 

67

 


رایمگ

سامانه رایمگ تمامی فرآیندهای دریافت، ارزیابی و داوری، ویراستاری، صفحه‌آرایی و انتشار الکترونیکی نشریات علمی را به انجام می‌رساند

پیوندهای سایت

مراکز مرتبط

پشتیبانی

صفحات رسمی

حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات رایمگ است.
حق نشر © 1403-1396

صفحه اصلی| عضویت/ ورود| درباره رایمگ| تماس با ما|
[English] [العربية] [en] [ar]