استراتژی آربیتراژ آماری بر مبنای مدل های عاملی قیمت سهام در بورس تهران

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
استراتژی های آربیتراژ آماری به دنبال کشف فرصت های سودده با استفاده از روش های آماری هستند. ما در این مقاله از رویکرد جدیدی برای طراحی یک استراتژی آربیتراژ آماری متناسب با بورس تهران استفاده می کنیم. در این رویکرد پیشنهادی جدید، بجای اینکه قیمت سهام مختلف به صورت مستقل مدل سازی و پیش بینی شود، آن ها را به صورت یک کل در نظر می گیریم و الگوهای حرکتی مشترک بین آن ها که می تواند بیانگر حرکات کلی بازار باشد، را با استفاده از روش تحلیل اجزای اصلی شناسایی می کنیم. بعد از آن رفتار این الگوها (عامل ها) را مدل سازی و پیش بینی کرده و از طریق آن ها، بازدهی سهام را در آینده پیش بینی می کنیم. در نهایت سبدی از سهام منتخب در هر دوره تشکیل می دهیم. نتایج تجربی حاصل از این مقاله نشان دهنده سودده بودن این استراتژی ها است به طوری که استراتژی منتخب با پنجره زمانی 100 روزه و افق پیش بینی 1 روزه، بدون در نظر گرفتن هزینه معاملاتی توانست بازدهی متوسط سالیانه 115% را فراهم کند.
زبان:
فارسی
صفحات:
37 تا 50
لینک کوتاه:
magiran.com/p2077185 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!