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
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.
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