ارائه الگوریتم قاعده محور برای شناسایی رژیم ها در بازارهای افتان وخیزان

پژوهش حاضر ضمن توسعه ادبیات مالی مرتبط با شناسایی رژیم های بازارها مالی، شیوه قاعده محور جدیدی را برای انتخاب نقاط تغییر در چرخه های کسب وکار پیشنهاد می کند که در آن ذهنیت گرایی را در فرآیند طبقه بندی رژیم های بازار حذف می کند. الگوریتم پیشنهادشده از یک رویکرد اکتشافی برخوردار بوده و هیچ شرطی برای تعیین دوره رژیم ها یا دامنه بازدهی آن ها اعمال نمی شود. همچنین برای مقایسه بین الگوریتم پیشنهادی و الگوریتم های پاگان، لیونه از آزمون بوت استرپ وایت در دارایی های مختلف شامل شاخص بورس اوراق بهادار تهران، فلزات مس و طلا و کالای نفت از نسبت شارپ به عنوان اندازه گیری عملکرد در داده های برون نمونه ای استفاده شده است. نتایج حاصل نشان می دهد الگوریتم پیشنهادی در شناسایی رژیم های برون نمونه ای به خصوص در سری های زمانی که متفاوت از داده های شاخص بازار سرمایه باشد، عملکردی بهتر یا مساوی با سایر روش های شناسایی دارد. نتایج به دست آمده توفیق الگوریتم پیشنهادی را نسبت به سایر الگوریتم ها نشان می دهد. ساختار صرفه جو الگوریتم پیشنهادی با ارایه روشی مشخص از نوسان های بالقوه ای که در بهینه سازی پارامتر ایجاد می شود اجتناب کرده و در شناسایی رژیم های متفاوت در مجموعه های گوناگونی ازسری های زمانی بدون تغییر در پارامترها مفید و کاربردی است.