استراتژی در بورس

بررسی سودآوری دو استراتژی معاملاتی خرید و نگهداری و زمان بندی بازار در بازار بورس ایران

همواره در بازارهای مالی بحث پیش بینی آینده بازار مطرح بوده است. در واقع، در صحبت از تحلیل سهام و سرمایه گذاری فرض این است که میتوان آینده بازار را پیشبینی کرد. شرکتهای مشاوره سرمایه گذاری و سبدگردانان ادعا دارند که میتوانند از طریق پیش بینی روند بازار برای سرمایه گذاران ارزش افزوده ایجاد کنند. از این رو، سرمایه گذاران با دو رویکرد متفاوت مواجه میشوند: سرمایه گذاری با استراتژی خرید و نگهداری1که با افق بلندمدت و تغییر اندک سبد سرمایه گذاری است. سرمایه گذاری با استراتژی زمانبندی بازار 2 که سرمایهگذار با پیشبینی بازار به دنبال کسب بازده بالاتر از بازده میانگین بازار است. در این مقاله، با استفاده از داده های تاریخی بازار بورس تهران بازده مورد انتظار از طریق این دو استراتژی بررسی شده و امکان کسب بازده بیشتر با استراتژی زمان بندی بازار بررسی میشود. نتیجه میشود استراتژی در بورس که با توجه به شرایط موجود، استراتژی زمان بندی بازار نسبت به استراتژی ساده خرید و نگهداری قابلیت سودآوری بالاتری نداشته و عملا پیشبینی بازار حتی ممکن است سود بسیار کمتری نیز نصیب سرمایه گذار کند. در بررسی این موضوع از داده های شاخص کل بورس تهران استفاده میشود که با تقریب خوبی نشان دهنده بازده میانگین بازار است.

استراتژی در بورس

کتاب استراتژی معاملاتی بورس اثر مسعود صادقی

مسعود صادقی

امید کویر

تعداد صفحات:

131‌ صفحه

در صورت وجود هرگونه سوال در مورد نحوه خرید و ارسال سفارشات میتوانید سوالات متداول را مطالعه بفرمایید.

تضمین سلامت کالا

پشتیبانی آنلاین و سریع

ارسال سریع به سراسر کشور

پرداخت امن و مطمئن

مشخصات کتاب

موضوع:

بورس تحلیل تکنیکال

امید کویر

مسعود صادقی

نوبت چاپ:

سال چاپ:

تعداد صفحات:

وزیری

نوع جلد:

شومیز

9786229960004

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

کتاب‌های مرتبط

محصولات مرتبط

کتاب تحلیل بنیادی در بازار سرمایه تالیف سیدمحمد علی شهدایی

کتاب پرایس اکشن حرکات قیمتی تالیف لارنتیو دمیر ترجمه بهنام حسین نژاد

کتاب پرایس اکشن روندها تالیف ال بروکز ترجمه حسین رضایی

کتاب استراتژی در بورس معاملات سریع (اسکالپ) با پرایس اکشن لنس بگز

• تهران - میدان انقلاب
• 09162028253
• [email protected]
• در اینستاگرام همراه ما باشید

فروشگاه کتاب آنلاین بورس باز

بورس باز کاملترین مرجع کتاب های بورس و بازار سرمایه، مدیریت و کسب و کار

فروشگاه کتاب آنلاین بورس باز

بورس باز کاملترین مرجع کتاب های بورس و بازار سرمایه،مدیریت و کسب و کار

• تهران - میدان انقلاب
• 09373882629
• [email protected]
• در اینستاگرام همراه ما باشید

کتاب استراتژی معاملاتی بورس اثر مسعود صادقی

در انبار موجود نمی باشد

تیم پشتیبانی بورس باز اینجا هستند تا به سوالات شما پاسخ دهند و یا در هر مرحله از خرید شما را راهنمایی کنند.

بهترین استراتژی معاملاتی برای همراه شدن با مومنتوم

همانطور که اکثر شما می دانید ، یکی از کم ریسک ترین راه ها برای انجام معاملات سود ده ، معامله در جهت روند و همراه شدن با مومنتوم است که این امر با توجه به رفتار قیمت و استفاده از اندیکاتور کاربردی Williams Percent Range امکان پذیر است.

در ادامه این مطلب شما با یک استراتژی کم ریسک بر پایه پرایس اکشن و اندیکاتور Williams Percent Range آشنا می شوید که این استراتژی موقعیت های معاملاتی فوق العاده ای را در جهت روند و همراه با مومنتوم در اختیار شما قرار می دهد.

در این استراتژی از دره ها و قله های بالاتر و پایین تر از یکدیگر و همچنین کندل های با بدنه بزرگ که در جهت روند تشکیل می شوند برای تعیین جهت روند و مومنتوم کمک گرفته می شود و اندیکاتور Williams Percent Range موقعیت های معاملاتی فوق العاده ای را در اختیار ما قرار می دهد که با رعایت مدیریت ریسک و سرمایه به سود مطلوبی توسط آن می توان دست پیدا کرد.

مشخصات استراتژی

• جفت ارز : تمامی جفت ارزها
استراتژی در بورس
• تایم فریم : تمامی تایم فریم ها
• بازار : Forex ، Stocks ، Crypto currency

پیش نیاز استراتژی

اندیکاتور Williams Percent Range با تنظیماتی که در تصاویر زیر مشاهده می کنید :

قانون معامله

1. ابتدا روند جفت ارز مورد نظر صعودی باشد (دره ها و قله های بالاتر از یکدیگر را شاهد باشیم)
2. سپس کندل های صعودی با بدنه بزرگ را در جهت روند مشاهده کنیم
3. و در آخر خط اصلی اسیلاتور Williams Percent Range در زیر خط 80- قرار بگیرد
4. و در آخر خط اصلی اسیلاتور Williams Percent Range به بالای خط 50- برگردد

1. ابتدا روند جفت ارز مورد نظر نزولی باشد (دره ها و قله های پایین تر از یکدیگر را شاهد باشیم)
2. سپس کندل های نزولی با بدنه بزرگ را در جهت روند مشاهده کنیم
3. و در آخر خط اصلی اسیلاتور Williams Percent Range در بالای خط 20- قرار بگیرد
4. و در آخر خط اصلی اسیلاتور Williams Percent Range به زیر خط 50- برگردد

در معامله خرید : دره ای که پایین تر از قیمت قرار دارد

در معامله فروش : قله ای که بالاتر از قیمت قرار دارد

در معامله خرید : قله یا سطح مقاومت پیش رو

در معامله فروش : دره یا سطح حمایت پیش رو

برای آشنایی بیشتر با این استراتژی ویدیو های زیر را تماشا کنید

شناسایی استراتژی معاملاتی بهینه در بورس اوراق بهادار، با استفاده از برنامه‌ریزی پویا

گروه مهندسی صنایع و سیستم‌ها، دانشگاه صنعتی اصفهان، اصفهان، ایران.

چکیده

هدف: این مقاله، در راستای ارائه مدلی برای شناسایی سودده­‌ترین نقاط عطف و یا نقاط عطف بهینه موجود در گذشته سری زمانی ابزار مالی، تدوین گردیده است. استراتژی معاملاتی سودده که به‌عنوان ابزاری برای کسب سود در بورس شناخته می­‌شود، استراتژای‌ای است که از نقاط معاملاتی سودده، شکل ‌گرفته شده باشد. نقاط معاملاتی، در ادبیات موضوع با نام نقاط عطف شناخته می‌­شوند. پیش‌بینی نقاط عطف ابزاری برای دستیابی به استراتژی معاملاتی سودده می‌­باشد. اولین گام برای پیش‌بینی نقاط عطف، شناسایی نقاط عطف موجود در گذشته سری زمانی ابزار مالی است. میزان سوددهی نقاط عطف شناسایی‌شده، تأثیری مستقیم بر میزان سوددهی نقاط عطف پیش‌بینی‌شده می­‌گذارد. به همین دلیل ادبیات موضوع، همواره در تلاش برای افزایش میزان سوددهی نقاط عطف مالی شناسایی‌شده، بوده است. بررسی کامل ادبیات موضوع توسط محققین نشان می‌­دهد که هیچ‌یک از روش­‌های موجود، قابلیت شناسایی سودده­‌ترین نقاط عطف مالی را ندارند.
روش‌شناسی پژوهش: این مقاله، مسئله شناسایی نقاط عطف سری زمانی ابزارهای مالی را در بستر برنامه‌ریزی پویا مدل‌سازی می‌کند و پس‌ازآن با استفاده از فرآیندی بازگشتی، به حل بهینه آن می­‌پردازد.
یافته‌: نتایج عددی حاصل از پیاده‌سازی مدل شناسایی پیشنهادی بر چهار شرکت فعال در بورس اوراق بهادار تهران، نشان می­‌دهد که این مدل، از قابلیت شناسایی نقاط عطف بهینه مالی برخوردار است.
اصالت/ارزش‌افزوده علمی: مقایسه عملکرد مدل پیشنهادی با تعدادی از بهترین روش­‌های شناسایی موجود در ادبیات موضوع، نشان‌دهنده کارایی مدل پیشنهادی در مسئله شناسایی نقاط عطف مالی است.

کلیدواژه‌ها

• ابزار مالی
• استراتژی معاملاتی
• برنامه‌ریزی پویا
• شناسایی نقاط عطف

عنوان مقاله [English]

Detecting the Optimal Trading Strategy in the Stock Exchange, with the Application of Dynamic Programming

نویسندگان [English]

• Fateme Yazdani
• Mehdi Khashei
• Seyed Reza Hejazi

Department of Industrial and Systems Engineering Department, Isfahan University of Technology, Isfahan, Iran

چکیده [English]

Purpose: This paper aims to propose a model for detecting the most profitable or the optimal Turning Points (TPs) existing in the history of the financial استراتژی در بورس tool's time series. The profitable trading strategy, which is known as a tool for gaining profit in the Stock Exchange, is the strategy formed from the profitable trading points. Trading points, in the corresponding literature, are known as TPs. TPs prediction is a tool for the achievement of a profitable trading strategy. The first step for predicting TPs is to detect TPs existing in the history of the financial tool's time series. The profitability of the detected TPs has a direct effect on the profitability of the predicted TPs. Given this, the literature has always tried to increase the profitability of the detected financial TPs. A complete review of the literature, by researchers, indicates that none of the existing methods can detect the optimal financial TPs.
Methodology: This paper implements the problem of detecting TPs from the financial tool's time series, in the context of dynamic programming (DP) and then solves it optimally through a recursive procedure.
Findings: Numerical results obtained from the application of the proposed model to four companies listed on the Tehran Stock Exchange indicate that the proposed model can detect the optimal financial TPs.
Originality/Value: Originality in research mean what you are doing is from your own perspective although you may draw arguments from other research work to back up your arguments.

کلیدواژه‌ها [English]

• Turning Points (TPs) detection
• Dynamic Programming (DP)
• Trading strategy
• Financial tool

مراجع

Baktash, E., Amoushahi, B., & Behdad, M. M. (2014). Ranking organizations on the basis of intellectual capital indices by applying DEA: a case study of petrochemical companies listed on Tehran Stock Exchange. Journal of applied research on industrial engineering, 1(2), 59-73.

Bellman, R. (1953). An introduction to the theory of dynamic programming (first Ed). RAND Corporation.

Bramante, R., Facchinetti, S., & Zappa, D. (2019). Online detection of financial time series peaks and troughs: a probability‐based approach. Statistical analysis and data mining: the ASA data science journal, 12(5), 426-433.

Brock, W., Lakonishok, J., & LeBaron, B. (1992). Simple technical trading rules and the stochastic properties of stock returns. The journal of finance, 47(5), 1731-1764.

Chang, P. C., Fan, C. Y., & Liu, C. H. (2008). Integrating a piecewise linear representation method and a neural network model for stock trading points prediction. IEEE transactions on systems, man, and cybernetics, part C (applications and reviews), 39(1), 80-92.

Chang, P. C., Liao, T. W., Lin, J. J., & Fan, C. Y. (2011). A dynamic threshold decision system for stock trading signal detection. Applied soft computing, 11(5), 3998-4010.

Chang, P. C., Liu, C. H., Fan, C. Y., Lin, J. L., & Lai, C. M. (2009, September). An ensemble of neural networks for stock trading decision making. International conference on intelligent computing (pp. 1-10). Springer, Berlin, Heidelberg.

Chen, X., & He, Z. J. (2015, June). Prediction of stock trading signal based on support vector machine. 2015 8th International conference on intelligent computation technology and automation (ICICTA) (pp. 651-654). IEEE.

Dash, R., & Dash, P. K. (2016). A hybrid stock trading framework integrating technical analysis with machine learning techniques. The journal of finance and data science, 2(1), 42-57.

Grillenzoni, C. (2012). Evaluation of recursive detection methods for turning points in financial time series. Australian & New Zealand journal of statistics, 54(3), 325-342.

Grillenzoni, C. (2014). Sequential smoothing for turning point detection with application to financial decisions. Applied stochastic models استراتژی در بورس in business and industry, 30(2), 132-140.

Huang, H., Pasquier, M., & Quek, C. (2009). Financial market trading system with a hierarchical coevolutionary fuzzy predictive model. IEEE transactions on evolutionary computation, 13(1), 56-70.

Kaiser, R., & Maravall, A. (2012). Measuring business cycles in economic time series (Vol. 154). Springer Science & Business Media.

Kayal, A. (2010, October). A neural networks filtering mechanism for foreign exchange trading signals. 2010 IEEE international conference on intelligent computing and intelligent systems (Vol. 3, pp. 159-167). IEEE.

Khalifa, H. (2019). A study on investment problem in chaos environment. Journal of applied research on industrial engineering, 6(3), 177-183.

Lin, N., Xu, W., Zhang, X., & Lv, S. (2014). Can web news media sentiments improve stock trading signal prediction?. Proceedings of the 19th Pacific Asia conference in information systems (PACIS 2015) (pp. 200). Singapore.

Luo, L., You, S., Xu, Y., & Peng, H. (2017). Improving the integration of piece wise linear representation and weighted support vector machine for stock trading signal prediction. Applied soft computing, 56, 199-216.

Marsh, I. W. (2000). High‐frequency Markov switching models in the foreign exchange market. Journal of forecasting, 19(2), 123-134.

Martikainen, T., Perttunen, J., Yli-Olli, P., & Gunasekaran, A. (1994). The impact of the return interval on common factors in stock returns: evidence from a thin security market. Journal of banking & finance, 18(4), 659-672.

Nadafi, Z., & Pourali, M. R. (2020). The effect of stock liquidity on companies future investment: a study of the Iranian capital market. Innovation management and operational strategies, 1(3), 269-286. (In Persian). DOI: 10.22105/IMOS.2021.272228.1031

Oladimeji, I. W. (2016). Forecasting shares trading signals with finite state machine variant. Multidisciplinary engineering science and technology, 3(4), 4488-4493.

Qi, M., & Maddala, G. S. (1999). Economic factors and the stock market: a new perspective. Journal of forecasting, 18(3), 151-166.

Rasoulzadeh, M., & Fallah, M. (2020). An overview of portfolio optimization using fuzzy data envelopment analysis models. Journal of fuzzy extension and applications, 1(3), 188-197.

Tang, H., Dong, P., & Shi, Y. (2019). A new approach استراتژی در بورس of integrating piecewise linear representation and weighted support vector machine for forecasting stock turning points. Applied soft computing, 78, 685-696.

Terasvirta, T., Tjostheim, D., & Granger, C. W. (2010). Modeling nonlinear economic استراتژی در بورس time series. OUP Catalogue.

Vander Wiel, S. A. (1996). Monitoring processes that wander using integrated moving average models. Technometrics, 38(2), 139-151.

Zhu, M., & Wang, L. (2010, July). Intelligent trading using support vector regression and multilayer perceptrons optimized with genetic algorithms. The 2010 international joint conference on neural networks (IJCNN) (pp. 1-5). IEEE.

استراتژی نگهداری میان‌مدت سهام، جایگزین نوسان‌گیری در بورس شود

تهران - ایرنا - یک کارشناس بازار سرمایه گفت: سهامداران برای کسب بازدهی معقول در بورس باید استراتژی خرید و نگهداری را جایگزین استراتژی نوسان‌گیری در معاملات بورس کنند و سهامی را انتخاب کنند که جزو سهام اصلی بازار هستند و از میزان نقدشوندگی بالایی برخوردارند.

«پیمان حدادی» امروز (دوشنبه) در گفت و گو با خبرنگار اقتصادی ایرنا با اشاره به تاثیر اخبار منتشر شده در زمینه افزایش سرمایه از محل تجدید ارزیابی دارایی شستا و تاثیر آن در بهبود روند معاملات بورس اشاره کرد و گفت: این موضوع با تاثیر زیادی در معاملات کلی بازار و شتاب در روند صعودی شاخص بورس همراه بود.

وی افزود: روز گذشته اکثر سهام بزرگ بازار در حال معامله بر مدار منفی بودند اما معاملات مثبت سهام شرکت شستا و زیرمجموعه های آن منجر به روند صعودی شاخص بورس در بازار شدند و معاملات بازار را از روند منفی به سمت صعود پیش بردند.

علت بازگشت رشد به معاملات بورس

حدادی به کاهش نوسان و هیجان ایجاد شده در معاملات بورس و علت بازگشت شاخص بورس بر مدار صعودی اشاره کرد و گفت: بازار از دو ماه گذشته و بعد از اصلاح شدیدی که تجربه کرد در موقعیت مناسبی برای سرمایه گذاری قرار گرفت اما تحت تاثیر ابهامات موجود در زمینه انتخابات ریاست جمهوری ایران و وجود ترس در معاملات این بازار، شاخص بورس همچنان به روند نزولی خود ادامه داد.

این کارشناس بازار سرمایه به کاهش ابهامات موجود در بازار از زمان مشخص شدن نتیجه انتخابات ریاست جمهوری ایران تاکید کرد و گفت: ثبات در قیمت ارز، گزارش مثبت شرکت ها، رکود در معاملات بازارهای موازی به خصوص رمز ارزها که به عنوان رقیب اصلی بازار در طی هفته های گذشته بودند باعث شد تا معاملات بورس رنگ دیگری به خود بگیرد و روزهای امیدوارکننده ای را در این بازار ایجاد کنند.

وی خاطرنشان کرد: همچنین در کنار این مسایل به مرور نمادهای کوچک بازار که در صف فروش قرار داشتند به تعادل رسیدند و با توجه به قرار گرفتن در فصل مجامع برخی از سرمایه گذاران سرمایه های در اختیار خود را برای اخذ سود وارد بازار می کنند تا بتوانند سود نقدی از مجمع کسب کنند، این موضوع به دلیل افزایش ورود نقدینگی به بازار باعث تغییر سمت و سوی معاملات بورس و ایجاد روزهای امیدوارکننده در این بازار شده است.

حدادی به دیگر عامل تاثیرگذار در بهبود روند معاملات بورس اشاره و بیان کرد: در بودجه دولت افزایش تورم پیش بینی شده است؛ بنبراین انتظار افزایش تورم دیگر عامل موثر در رشد بازار بود که باعث شد تا شاخص بورس از روزهای گذشته در مسیر صعودی قرار بگیرد.

دو تاثیر کوتاه مدت و بلندمدت انتخابات ریاست جمهوری بر معاملات بورس

این کارشناس بازار سرمایه به نتیجه انتخابات ریاست جمهوری ایران و تاثیر آن به روند معاملات بورس اشاره کرد و افزود: انتخاب ریاست جمهوری در بازار با دو تاثیر کوتاه مدت و بلندمدت همراه بود، نخستین تاثیر آن پایان برگزاری انتخابات و رفع ابهامی بود که گریبان بازار را گرفت و باعث ایجاد روند منفی در معاملات بورس شد.

وی اظهار داشت: تاثیر بلندمدت آن مرتبط به کابینه دولت به خصوص کابینه اقتصادی است که این موضوع می تواند به شدت بر روند بازار تاثیرگذار باشد، باید منتظر ماند و دید برنامه و دیدگاه کابینه جدید چگونه خواهد بود و کدام یک از سیاست های انبساطی و انقباضی را در دستور کار خود قرار می دهند.

به گفته حدادی، در این زمینه یکی از مسایل قابل توجه این است که کابینه اقتصادی کشور کدام یک از مسایل را مانند تورم یا رشد اقتصادی به عنوان اولویت فعالیت خود در دستور کار قرار می دهد.

این کارشناس بازار سرمایه افزود: از طرف دیگر موضوع بسیار مهم بازار، دیدگاه دولت جدید نسبت به برجام است این موضوع جزو مسایلی تلقی می شود که می تواند به شدت بر روند بازار اثرگذار باشد.

پیش‌بینی ١٠٠ درصدی معاملات مثبت بورس تا پایان سال

وی این کارشناس بازار سرمایه اظهار داشت: با توجه به وجود چنین مسایلی در کشور و تاثیر آن بر بازار، از این موضوع نباید غافل ماند که ١٠٠ درصد روند کلی معاملات بورس تا پایان سال مثبت است و می تواند بازدهی بیشتری را نسبت به سایر بازارها در اختیار سهامداران قرار دهد.

حدادی اظهار داشت: اکنون قیمت سهام اکثر شرکت ها بعد از اصلاح شدیدی که تجربه کرده اند بسیار ارزان شدند و موقعیت مناسبی را برای سرمایه گذاری فراهم کرده اند.

توصیه به سهامداران

این کارشناس بازار سرمایه به سهامداران توصیه کرد و گفت: سهامداران برای کسب بازدهی معقول در بورس باید استراتژی خرید و نگهداری را جایگزین استراتژی نوسان گیری در معاملات بورس کنند و سهامی را انتخاب کنند که جزو سهام اصلی بازار هستند و از میزان نقدشوندگی بالایی برخوردارند.

وی تاکید کرد: سهامداران برای سرمایه گذاری در این بازار باید گزارش ماهانه شرکت ها و صورت های مالی فصلی را با دقت زیادی مدنظر قرار دهند، اکنون و با توجه به وضعیت فعلی بازار وزن تحلیل در بازار بیشتر می شود به همین دلیل سهامداران باید سهامی را که از پتانسیل خوبی برای سرمایه گذاری برخوردارند انتخاب کنند، سهامداران در صورت انتخاب درست می توانند تا پایان سال بازدهی خوبی را از بازار کسب کنند.

ریسک تهدیدکننده معاملات بورس

حدادی با اشاره به ریسک تهدیدکننده معاملات بورس گفت: ریسکی که اکنون بازار را تهدید می کند نوعی ابهام در خصوص نتیجه مذاکرات است، همچنین در کنار این موضوع اسامی اعلام شده برای کابینه اقتصادی دولت سیزدهم جزو مسایل بسیار مهمی تلقی می شود که می تواند روند بازار را تحت تاثیر خود قرار دهد.

اقدامات تاثیرگذار در بهبود روند معاملات بورس

این کارشناس بازار سرمایه به اقدامات تاثیرگذار در بهبود روند معاملات بورس اشاره کرد و اظهار داشت: وعده هایی در خصوص واریز ٢٠٠ میلیون دلار منابع مالی به صندوق تثبیت بازار سرمایه داده شده بود که اکنون فقط معادل ریالی ٥٠ میلیون دلار واریز شده است، در صورت واریز باقیمانده منابع مالی به صندوق تثبیت بازار سرمایه، افزایش فعالیت بازارگردانی سهام، وعده های دولت جدید در مورد بازار سرمایه در یک برنامه مدون و نیز انتشار آن وضعیت بازار بهتر از روند فعلی می شود و می توان شاهد رشد بیشتر شاخص بورس در بازار باشیم.