مقایسه سودآوری و رتبه بندی شاخص های تحلیل فنی بر اساس تکنیک TOPSIS متن مقاله علمی در اقتصاد و تجارت

حاشیه نویسی یک مقاله علمی در مورد اقتصاد و تجارت ، نویسنده یک اثر علمی - Ghobadi M. ، Heshmatpour M.

تحقیق حاضر در مورد سرمایه گذاری کاربردی در رتبه بندی Bashnical Analysiss توسط Topsis Technique است. این تحقیق نوعی تحقیقات پس از آزمایش است. داده های نمونه شامل مس ، پالادیوم ، روغن ، طلا ، نقره ، گندم ، شکر و شاخص دلار "بین آغاز سال 2008 تا پایان سال 2013" است. هنگامی که استراتژی های سرمایه گذاری از جنبه های فوق ارزیابی می شوند ، می توان آن را به عنوان یک مشکل تصمیم گیری چند معیار (MCDM) در نظر گرفت. علاوه بر این ، این یک تکنیک غیر ادبی برای ترتیب اولویت با شباهت برای ارزیابی شاخص های فنی ارائه می دهد. در نتیجه ، با رتبه بندی مقادیر عملکرد تکنیک TOPSIS ، می توانیم اهمیت نسبی معیارها را تعیین کرده و بهترین تصمیم سرمایه گذاری را بگیریم. با توجه به نتایج ، تمام شاخص های تجزیه و تحلیل فنی که در تحقیقات استفاده می شود می توانند قیمت معاملات سودآور را پیدا کنند و تمام بازده ها صفر تر هستند. خلاصه نتایج برای این زیر دوره توصیف می کند که در ردیف ، STO با میانگین (0. 059) ، RSI با میانگین (0. 055) ، CCI با میانگین (0. 052) ، MACD با میانگین (0. 048) و MFI با میانگین (0. 046) هر کس بازده غیر طبیعی دارد نرخ بهره بدون ریسک را با میانگین 0. 004 بیشتر می کند.

مباحث مشابه مقالات علمی در مورد اقتصاد و تجارت ، نویسنده کار علمی - Ghobadi M. ، Heshmatpour M.

تجزیه و تحلیل بصری و گرافیکی شاخص های سیستم های تولید یکپارچه زیر مجموعه قند بخش کشاورزی (قسمت 1 - تنظیم مشکل و مدل سازی)

ارائه چارچوبی برای ارزیابی کیفیت خدمات هواپیمایی با استفاده از Type-2 Fuzy Topsis و تجزیه و تحلیل غیر پارامتری

متن کار علمی در مورد موضوع "مقایسه سودآوری و رتبه بندی تجزیه و تحلیل فنی بر اساس تکنیک TOPSIS"

مقایسه سودآوری و رتبه بندی شاخص های تحلیل فنی بر اساس تکنیک TOPSIS

کارشناسی ارشددر مهندسی مالی ، گروه مهندسی مالی ، شعبه دهقان ، دانشگاه آزاد اسلامی (ایران) ،

دکتریدانشجوی علوم اقتصادی ، گروه اقتصادی ، شعبه اصفهان (خوراسان) ، دانشگاه آزاد اسلامی (ایران) ،

M. در علوم اقتصادی ، دانشگاه Tarbiat Modares ، تهران (ایران) ، [email protected]

تحقیق حاضر در مورد رتبه بندی اثربخشی سرمایه گذاری بر اساس شاخص های تحلیل فنی توسط تکنیک TOPSIS است. این تحقیق نوعی تحقیقات پس از آزمایش است. داده های نمونه شامل مس ، پالادیوم ، روغن ، طلا ، نقره ، گندم ، شکر و شاخص دلار "بین آغاز سال 2008 تا پایان سال 2013" است. هنگامی که استراتژی های سرمایه گذاری از جنبه های فوق ارزیابی می شود ، می توان آن را به عنوان یک مشکل تصمیم گیری چند معیار (MCDM) در نظر گرفت. علاوه بر این ، این یک تکنیک غیر افزودنی برای ترتیب اولویت با شباهت به راه حل ایده آل برای ارزیابی شاخص های فنی ارائه می دهد. در نتیجه ، با رتبه بندی مقادیر عملکرد تکنیک TOPSIS ، می توانیم اهمیت نسبی معیارها را تعیین کرده و بهترین تصمیم سرمایه گذاری را بگیریم.

با توجه به نتایج ، تمام شاخص های تحلیل فنی که در تحقیقات استفاده می شود می توانند قیمت معاملات سودآور را پیدا کنند و تمام بازده ها بیش از صفر است. خلاصه نتایج برای این زیر دوره توصیف می کند که در ردیف ، STO با میانگین (0. 059) ، RSI با میانگین (0. 055) ، CCI با میانگین (0. 052) ، MACD با میانگین (0. 048) وMFI با میانگین (0. 046) هر کس دارای بازده غیر طبیعی بیشتر از نرخ بهره بدون ریسک با میانگین 0. 004 است.

کلمات کلیدی: شاخص های تحلیل فنی ، تکنیک TOPSIS ، رتبه بندی سودآوری.

پیچیدگی ها بیشمار است ، و غلبه بر این پیچیدگی های G برای ارائه انتخاب های موفق ، یک چالش تحلیلگر فنی است. این مهم است که مبلغ محدود § سرمایه گذاری نمونه کارها را باید به طور مؤثر در بسیاری از سهام اختصاص داد. تحلیلگران فنی نیاز به پیش بینی آینده دارند "قیمت هایی برای کاهش خطرات و یافتن ترکیب بهینه از شاخص های بهینه از بسیاری از شاخص های فنی است. 3 ؛ هدف از تحلیلگران فنی حداکثر رساندن بازده G- در تخصیص اهمیت شاخص ها برای بسیاری از شاخص ها است. در مشکل تئوری ها ، حل مسئله انتخاب نمونه کارها -§ ارائه شده توسط H. Markowitz (1952) تمایل دارد ؛ § برای افزایش تعداد سهام انتخاب شده برای سرمایه گذاران.

در این مقاله به بررسی کدام نشانگر ، از جمله شاخص قدرت قابل توجه می پردازد. نوسان ساز تصادفی ؛متوسط حرک ت-میانگین ؛شاخص جریان پول ؛شاخص کانال کالا ؛ § توانایی معاملات بهینه می تواند منجر به پرفروش مالی بالا شود-© Mance. عملکرد مالی توسط TOPSIS ارزیابی می شود

تصمیم گیری چند معیار (MCDM) ؛این اطلاعات می تواند از تصمیم تحلیلگران فنی پشتیبانی کند.

در سیستم های سرمایه گذاری واقعی ، مشکلات تصمیم گیری از چند طریق اغلب نامشخص یا مبهم است. این نوع عدم قطعیت مدتهاست که به طور مناسب توسط تئوری و آمار احتمال انجام می شود. با این حال ، در بسیاری از زمینه های مشکلات مالی ، مانند مدیریت سرمایه گذاری ، ریزساختار بازار ، تأمین اعتبار و سایر تصمیمات اغلب از زبان طبیعی برای بیان تفکر و درک ذهنی استفاده می کنند.

تصمیم گیری چند معیار بخش مهمی از روند تصمیم گیری را برای سرمایه گذاری کوچک (یک فرد) و بزرگ (یک سازمان) تشکیل می دهد. هنگامی که اطلاعات مالی در دسترس دقیق است ، بسیاری از روش ها برای ارزیابی سرمایه گذاری وجود دارند. روشهای مورد استفاده برای تجزیه و تحلیل اوراق بهادار و تصمیم گیری در مورد سرمایه گذاری در دو دسته بسیار گسترده قرار می گیرند: تجزیه و تحلیل اساسی و تجزیه و تحلیل فنی. تجزیه و تحلیل اساسی شامل تجزیه و تحلیل ویژگی های یک شرکت به منظور برآورد ارزش آن است. فنی

Ghobadi M. ، Ghobadi M. ، Heshmatpour M.

تجزیه و تحلیل یک رویکرد کاملاً متفاوت است. این یک بیت در مورد "ارزش" یک شرکت یا یک کالا اهمیت نمی دهد. تکنسین ها فقط به حرکات قیمت موجود در بازار علاقه مند هستند. تجزیه و تحلیل فنی روشی برای ارزیابی اوراق بهادار با تجزیه و تحلیل آمار حاصل از فعالیت بازار ، مانند قیمت های گذشته و حجم است. تحلیلگران فنی اهمیتی نمی دهند که آیا سهام کم ارزش است - تنها چیزی که مهم است داده های معاملاتی گذشته امنیت است و اطلاعاتی که این داده ها می توانند در مورد جایی که امنیت در آینده حرکت می کند ارائه دهد. این روزها با بهبود فناوری مالی و رایانه یکی از راه هایی که سرمایه گذاران به طور گسترده از آن استفاده می کنند ، تجزیه و تحلیل فنی است. یکی از مزیت های تحلیل فنی یافتن بهترین قیمت معاملات است. با یافتن این قیمت های تجاری ، به سرمایه گذاران کمک می کند که به موقع و متوالی در بازارها تجارت کنند و با افزایش و کاهش حدس و گمان قیمت ها و در یک دوره بازده غیر طبیعی کسب کنند.

تحقیقات نظری و پس زمینه

تجزیه و تحلیل فنی: تجزیه و تحلیل فنی منشأ به تحقیقات چارلز داو در اوایل بیستم در صنعت Industrials Dow Jones به طور متوسط. تحقیقات وی در مورد بازار باعث شد که او متوجه شود که روند بازار و گمانه زنی ها به سادگی از صورتهای مالی و اطلاعات پیروی نمی کند و عوامل دیگری نیز وجود دارد که بر بازار تأثیر می گذارد. این تحقیقات در روشهای پیش بینی قیمت بازارها پیشرفت خوبی ایجاد کرده است. نظریه داو با مجموعه مقالات وی در مجلات Wall-Street "بین (1851) تا (1902)" ساخته شده است. نظریه DOW در مورد حرکت قیمت سهام نوعی تجزیه و تحلیل فنی است که شامل برخی از جنبه های چرخش بخش است و نظریه وی که عمدتاً بر روی روند بازار متمرکز است ، مبنای تئوری DOW نتیجه می گیرد که قیمت ها تحت تأثیر تمام اطلاعات و رویدادهای موجود در بازارها قرار دارند. تمام دانش موجود برای شرکت کنندگان در بازار ، از جمله سرمایه گذاران یا مدیران صندوق در قیمت تأثیر می گذارد. تلاش های اولیه در شوراهای دانشگاهی اثربخشی تجزیه و تحلیل فنی را که قوانین بسیار ساده ای به نام قوانین فیلتر در نظر گرفته شده است ، ارزیابی می کنند. این قوانین شامل خرید امنیت در صورت افزایش X ٪ در آخرین دوره یا فروش آن در صورت کاهش قیمت آن در آخرین دوره X ٪ است.

تکنیک ترتیب اولویت با شباهت به راه حل ایده آل (TOPSIS) یک روش تجزیه و تحلیل تصمیم چند معیار است که در ابتدا توسط هوانگ و یون در سال 1981 با پیشرفت های بیشتر توسط یون در سال 1987 و هوانگ ، لای و لیو در سال 1993 توسعه یافت. Topsisبر اساس این مفهوم است که جایگزین انتخاب شده باید کوتاهترین فاصله هندسی را از محلول ایده آل مثبت و طولانی ترین فاصله هندسی از راه حل ایده آل منفی داشته باشد. این یک روش جمع جبرانی است که یک مجموعه را مقایسه می کند

گزینه های دیگر با شناسایی وزن برای هر معیار. عادی سازی نمرات برای هر معیار و محاسبه فاصله هندسی بین هر گزینه جایگزین و جایگزین ایده آل ، که بهترین امتیاز در هر معیار است.

فرض TOPSIS این است که معیارها از نظر یکنواخت افزایش یا در حال افزایش هستند. عادی سازی معمولاً مورد نیاز است زیرا پارامترها یا معیارها اغلب از ابعاد ناسازگار در مشکلات چند معیار هستند.

غوبادی (2014) سودآوری شاخص های تحلیل فنی را برای به دست آوردن بازده غیر طبیعی در بازارهای بین المللی از سال 2008 تا 2013 آزمایش کنید. آنها نتیجه می گیرند که بازده مثبت طبق بازده شاخص تجزیه و تحلیل فنی و این بازده به طور قابل توجهی بیشتر از نرخ ارائه شده در لندن است. آنها مشاهده می کنند که نوسان ساز تصادفی ، شاخص قدرت نسبی ، شاخص جریان پول ، شاخص کانال کالا ، شاخص های متوسط حرکت ساده بهترین نتیجه را تولید می کند ، و پس از آن نرخ ارائه شده بین بانکی لندن.

غوبادی (2014) در پایان نامه خود در مورد "سودآوری استراتژی تحلیل فنی برای کسب بازده غیر طبیعی در TSE (2007-2013)" بازده غیر طبیعی را با استفاده از استراتژی تجارت فنی در بورس اوراق بهادار تهران با آزمایشات آماری گزارش داد. آنها خاطرنشان می کنند که تجزیه و تحلیل فنی می تواند قیمت معاملات بهینه را نشان دهد و بازده غیر طبیعی را جذاب تر از بانک مرکزی جمهوری اسلامی ایران کند و نرخ سود آزاد ریسک را نشان می دهد.

Lehma and Mystest (1987) روش ارزیابی عملکرد APT را با تکنیک رگرسیون درجه دوم Treynor و Mazuy (1966) ترکیب کردند. آنها زمان بندی غیر طبیعی اندازه گیری شده و عملکرد انتخابی را توسط وجوه متقابل قابل توجه دانستند. آنها همچنین تأثیر معیارهای جایگزین بر عملکرد وجوه متقابل را بررسی کردند که نشان می دهد اقدامات عملکرد نسبت به معیار انتخاب شده کاملاً حساس است و نشان می دهد که تعداد زیادی از اقدامات انتخابی منفی است. علاوه بر این ، هنریکسون (1984) بین اقدامات توانایی انتخاب سهام و زمان بندی بازار ارتباط منفی پیدا کرد. لی و رحمان (1990) به صورت تجربی بررسی زمان بندی بازار و عملکرد انتخاب وجوه متقابل را بررسی می کنند. این مهم است که مدیران صندوق با توانایی انتخاب و مهارت زمان بندی بازار ارزیابی شوند.

در سال 1974 ، Sugeno مفهوم اندازه گیری فازی و انتگرال فازی را معرفی کرد ، و تعریف معمول یک اندازه گیری را با جایگزینی خاصیت افزودنی معمول با یک نیاز ضعیف ، یعنی خاصیت یکنواخت با توجه به تعیین شمول ، تعمیم داد. در این بخش ، ما به برخی از مفاهیم از تئوری اندازه گیری فازی و انتگرال فازی ، مختصر ارائه می دهیم.

بن آر مارشال و جارد م. کاهان (2006) سودآوری سیستم تجارت فنی CRISMA را ارزیابی کردند. آنها اطلاعات شرکتها را در پایگاه داده CRSP در دوره ژانویه 1976 تا دسامبر 31 ، 2003 شامل 200 روز قیمت بسته شدن گذشته و 20 روز از حجم گذشته جمع می کنند. آنها در این مطالعه قوانین فیلتر طولانی و کوتاه CRISMA را بررسی می کنند و دریافتند که حتی سیستم سود برخی از سود را ایجاد می کند اما به طور مداوم نیست.

Ghobadi M. ، Ghobadi M. ، Heshmatpour M.

1. شاخص های تجزیه و تحلیل فنی می توانند سرمایه گذاری سودآور را پیش بینی کنند.

2. از دیدگاه تکنیک TOPSIS ، کدام شاخص تجزیه و تحلیل فنی اولویت بازده بالاتر است؟

H0: = =.= یعنی ، تمام میانگین بازگشت شاخص برابر است.

HA: حداقل دو مورد متفاوت است.

شاخص قدرت نسبی

2. Rs = متوسط افزایش / میانگین ضرر

3. متوسط افزایش = [(میانگین افزایش قبلی) x 13 + افزایش فعلی] / 14

4. متوسط ضر

شاخص قدرت نسبی (RSI) یک نوسان ساز حرکت است که سرعت و تغییر حرکت قیمت را اندازه گیری می کند. RSI بین 0 تا 100 نوسان می کند. به طور سنتی ، و به گفته وایلدر ، RSI در حالی که بالاتر از 70 و در زیر 30 است ، بیش از حد از آن استفاده می کرد. سیگنال ها نیز می توانند با جستجوی واگرایی ، نوسانات شکست و کراس اوور مرکزی تولید شوند. RSI همچنین می تواند برای شناسایی روند کلی استفاده کند. RSI در حالی که بالاتر از 70 و در زیر 30 است ، بیش از حد در نظر گرفته شده است. این سطح سنتی همچنین می تواند متناسب با امنیت یا الزامات تحلیلی تنظیم شود. افزایش بیش از حد به 80 یا پایین آمدن بیش از حد به 20 باعث کاهش تعداد قرائت های بیش از حد/بیش از حد می شود. معامله گران کوتاه مدت گاهی اوقات از RSI 2 دوره ای استفاده می کنند تا به دنبال قرائت های بیش از 80 و خوانش های زیر 20 مورد باشند.

نوسان ساز تصادفی (STO)

1. ٪ k = (نزدیک جریان - کمترین کم) / (بالاترین بالا - کمترین کم) x 100

2. ٪ D = 3 - روز SMA ٪ k

3. کمترین پایین = کمترین کم برای ظاهر - دوره عقب

4- بالاترین بالا = بالاترین بالا برای ظاهر - دوره عقب

5. ٪ k با 100 ضرب می شود تا نقطه اعشاری دو مکان را جابجا کند

توسط جورج سی لین در اواخر دهه 1950 توسعه یافته است ، نوسان ساز تصادفی یک شاخص حرکت است که مکان نزدیک را نسبت به دامنه پایین در طی تعداد مشخصی از دوره ها نشان می دهد. طبق مصاحبه با لین ، نوسان ساز تصادفی "قیمت را دنبال نمی کند ، حجم یا چیزی شبیه به آن را دنبال نمی کند. سرعت یا حرکت قیمت را دنبال می کند. به عنوان یک قاعده ، حرکت قبل از قیمت تغییر می کند."به همین ترتیب ، واگرایی های صعودی و نزولی در نوسان ساز تصادفی می توانند برای پیش بینی معکوس استفاده شوند. خط این سیگنال اول و مهمترین آن را شناسایی کرد. Lane همچنین از این نوسان ساز برای شناسایی تنظیمات گاو و خرس برای پیش بینی معکوس آینده استفاده کرد. از آنجا که نوسان ساز تصادفی محدود است ، همچنین برای شناسایی سطح بیش از حد و بیش از حد مفید است. نوسان ساز تصادفی سطح نزدیک را نسبت به دامنه کم سطح در یک دوره معین اندازه گیری می کند. فرض کنید که بالاترین سطح برابر با 110 ، کمترین میزان برابر با 100 و مساوی برابر با 108 است. دامنه کم کم 10 است که مخرج در فرمول ٪ K است. نزدیکترین پایین ترین سطح پایین 8 ، که شمارنده است ، نزدیک است. 8 تقسیم بر 10 برابر . 80 یا 80 ٪. این تعداد را 100 برابر کنید تا ٪ k ٪ k با 30 برابر باشد اگر نزدیک به 103 (0. 30 x 100) باشد. نوسان ساز تصادفی بالاتر از 50 است که نزدیک در نیمه بالایی از محدوده و زیر 50 قرار دارد وقتی که نزدیک در نیمه پایین باشد. خوانش های کم (زیر 20) نشان می دهد که قیمت برای مدت زمان مشخص نزدیک است. خوانش های بالا (بالاتر از 80) نشان می دهد که قیمت برای مدت زمانی معین در نزدیکی آن است. مثال IBM در بالا سه محدوده 14 روزه (مناطق زرد) با قیمت بسته شدن در پایان دوره (نقطه قرمز) را نشان می دهد. نوسان ساز تصادفی برابر با 91 است که نزدیک در بالای محدوده قرار داشت. نوسان ساز تصادفی برابر با 15 برابر است که نزدیک نزدیک به پایین محدوده بود. نزدیکی برابر 57 است که نزدیک در وسط محدوده قرار داشت.

میانگین متحرک ساده (SMA)

1. قیمت بسته شدن روزانه: 11 ، 12 ، 13 ، 14 ، 15 ، 16 ، 17

2. روز اول SMA 5 روزه: (11 + 12 + 13 + 14 + 15) / 5 = 13

3. روز دوم SMA 5 روزه: (12 + 13 + 14 + 15 + 16) / 5 = 14

4. روز سوم SMA 5 روزه: (13 + 14 + 15 + 16 + 17) / 5 = 15

یک میانگین متحرک ساده با محاسبه میانگین قیمت یک اوراق بهادار در تعداد معینی از دوره ها تشکیل می شود. اکثر میانگین های متحرک بر اساس قیمت های بسته می شوند. میانگین متحرک ساده 5 روزه، مجموع پنج روزه قیمت های بسته شدن تقسیم بر پنج است. همانطور که از نامش پیداست، میانگین متحرک میانگینی است که حرکت می کند. با در دسترس قرار گرفتن داده های جدید، داده های قدیمی حذف می شوند. این باعث می شود

Ghobadi M. ، Ghobadi M. ، Heshmatpour M.

میانگین برای حرکت در امتداد مقیاس زمانی. در زیر نمونه ای از میانگین متحرک 5 روزه است که طی سه روز تغییر می کند. روز اول میانگین متحرک به سادگی پنج روز گذشته را پوشش می دهد. روز دوم میانگین متحرک اولین نقطه داده (11) را کاهش می دهد و نقطه داده جدید (16) را اضافه می کند. روز سوم میانگین متحرک با حذف اولین نقطه داده (12) و اضافه کردن نقطه داده جدید (17) ادامه می یابد. در مثال بالا، قیمت ها به تدریج از 11 به 17 در مجموع هفت روز افزایش می یابد. توجه داشته باشید که میانگین متحرک نیز طی یک دوره محاسبه سه روزه از 13 به 15 افزایش می یابد. همچنین توجه داشته باشید که هر مقدار میانگین متحرک درست زیر آخرین قیمت است.

شاخص جریان پول

1. قیمت معمولی = (بالا + پایین + بسته) / 3

2. جریان پول خام = قیمت معمولی X حجم

3. جریان پول مثبت = مجموع جریان پول خام مثبت در 14 دوره.

4. جریان پول منفی = مجموع جریان پول خام منفی در 14 دوره.

5. نسبت جریان پول = (جریان پول مثبت) / (جریان پول منفی)

6. شاخص جریان پول = 100 - 100 / (1 + نسبت جریان پول)

شاخص جریان پول (MFI) یک نوسان ساز است که از قیمت و حجم برای اندازه گیری فشار خرید و فروش استفاده می کند. MFI که توسط Gene Quong و Avrum Sou-dack ایجاد شده است، به عنوان RSI حجمی نیز شناخته می شود. MFI با قیمت معمولی برای هر دوره شروع می شود. جریان پول زمانی مثبت است که قیمت معمولی افزایش یابد (فشار خرید)

and negative when the typical price declines (selling pressure). Typically, MFI above 80 is considered overbought and MFI below 20 is considered oversold. Strong trends can present a problem for these classic overbought and oversold levels. MFI can become overbought (>80) و زمانی که روند صعودی قوی است، قیمت ها به سادگی می توانند بالاتر باشند. برعکس، MFI می تواند بیش از حد فروش شود (<20) and prices can simply continue lower when the downtrend is strong. Quong and Soudack recommended expanding these extremes further qualify signals. A move above 90 is truly overbought and a move below 10 is truly oversold. Moves above 90 and below 10 are rare occurrences that suggest a price move is unsustainable.

شاخص کانال کالا

1. CCI = (قیمت معمولی - 20 - دوره SMA TP) / (0. 015 XMean Deviation)

2. قیمت معمولی (TP) = (بالا + پایین + بسته) / 3

3. ثابت = 0. 015

توسعه یافته توسط دونالد لامبرت و در مجله کالا در سال 1980 ، شاخص کانال کالا (CCI) یک شاخص همه کاره است که می تواند برای شناسایی یک روند جدید یا هشدار از شرایط شدید استفاده کند. لامبرت در ابتدا CCI را برای شناسایی چرخش های چرخه ای در کالاها توسعه داد ، اما این شاخص می تواند با موفقیت در شاخص ها ، ETF ها و سایر اوراق بهادار اعمال شود. به طور کلی ، CCI سطح قیمت فعلی را نسبت به میانگین سطح قیمت در یک دوره معین اندازه گیری می کند. CCI نسبتاً زیاد است که قیمت ها بسیار بالاتر از حد متوسط آنها باشد. CCI نسبتاً پایین است که قیمت ها بسیار پایین تر از حد متوسط باشند. به این ترتیب ، CCI می تواند از آن استفاده کند

Ghobadi M. ، Ghobadi M. ، Heshmatpour M.

سطح بیش از حد و سطح بیش از حد را شناسایی کنید. همانطور که در بالا ذکر شد ، اکثر حرکت CCI بین 100 و +100 رخ می دهد. حرکتی که بیش از این محدوده باشد ، قدرت یا ضعف غیرمعمول را نشان می دهد که می تواند یک حرکت طولانی را پیش بینی کند. این سطح را به عنوان فیلترهای صعودی یا نزولی فکر کنید. از نظر فنی ، CCI هنگام مثبت بودن و خرس ها در هنگام منفی ، از گاوها طرفداری می کند. با این حال ، استفاده از یک کراس اوور خط صفر ساده می تواند منجر به شلاق های زیادی شود. اگرچه نقاط ورود بیشتر به عقب می افتد ، نیاز به حرکت بالاتر از +100 برای سیگنال صعودی و حرکت زیر - 100 برای سیگنال نزولی باعث کاهش شلاق می شود.

در این مقاله این فرآیند برای 10 شرکت ذکر شده Dow-Johns برای ارزیابی ، یعنی Yahoo ، Face-Book ، Google ، Apple ، Microsoft ، General Electric ، Coca Cola ، Cisco ، Boeing و Bank of America اعمال می شود. داده ها شامل 13200 قیمت روزانه "بین (2008) تا (2013)" است.

مرحله 3: راه حل های ایده آل (a*) و منفی (a) را تعیین کنید.

A* = <(maxvi>| j G Cb), (minvi> | j G C )> =

A = <(>mvj 1 j G CbX (maxvj 1 j G C )> =

مرحله 4: اقدامات جداسازی را با استفاده از فاصله اقلیدسی M- بعدی محاسبه کنید. اقدامات جداسازی هر گزینه از راه حل ایده آل مثبت

و به ترتیب راه حل ایده آل منفی به شرح زیر است:

1. آزمون T: می تواند برای تعیین اینکه آیا دو مجموعه از داده ها با یکدیگر تفاوت معنی داری دارند ، استفاده می کند و معمولاً در صورتی که آمار آزمون در صورتی که مقدار یک اصطلاح مقیاس در آمار آزمون شناخته شده باشد ، توزیع عادی را دنبال می کند.

مرحله 5: نزدیکی نسبی را به راه حل ایده آل محاسبه کنید. نزدیکی نسبی هوش مصنوعی جایگزین با توجه به A* به شرح زیر تعریف شده است:

rc = -^، i = 1،2. M ¡S + S.

مرحله ششم: ترتیب اولویت را رتبه بندی کنید (جدول 1 را ببینید).

نتایج و بحث

2. TOPSIS: TOPSIS بر اساس این مفهوم که جایگزین انتخاب شده باید کوتاهترین فاصله هندسی را از محلول ایده آل مثبت و طولانی ترین فاصله هندسی از راه حل ایده آل منفی داشته باشد

مرحله 1: محاسبه ماتریس تصمیم نرمال شده. مقدار نرمال شده r. به صورت زیر محاسبه می شود:

i = 1، 2، . m و j = 1، 2،

مرحله 2: ماتریس تصمیم گیری نرمال شده وزنی را محاسبه کنید. مقدار نرمال شده وزنی v به صورت محاسبه می شود

v.. = r.. x w، i = 1، 2، . m و j = 1، 2، . n، (1)

که در آن wV وزن معیار یا صفت Vام و

روش تصمیم گیری چند معیاره یک تکرار رایج در مدیریت عملیات است که سپس برای اعمال در حوزه مدیریت مالی اصلاح می شود. اولین تحقیق در مدیریت مالی توسط ترمیزی (2006) در اندونزی انجام شده است. بنابراین، این روش در مدیریت مالی، به ویژه برای تحقیقاتی که در اندونزی انجام می شود، نسبتاً جدید است. اصلاح با تغییر معیارهای مورد استفاده در حوزه عملیات به معیارهای نسبت مالی انجام می شود.

استفاده از عوامل آماری در این روش تصمیم گیری چند معیاره همچنان آزمایشی تلقی می شود. بنابراین تا به امروز هیچ معیار مالی ثابتی برای این روش اعمال نشده است. می توان انتظار داشت که تحقیقات همزمان معیارهای مفیدی را ایجاد کند که می تواند یک روش اساسی در روش انتخاب سهام و همچنین روشی جدید در حوزه مدیریت مالی باشد.