بهینه سازی الگوی سرمایه گذاری در نزول های اساسی بورس اوراق بهادار تهران در چارچوب رویکرد عوامل ناهمگن و مدل سازی عامل بنیان با استفاده از الگوریتم ژنتیک

مهندسی مالی و مدیریت اوراق بهادار

مقاله 10، دوره 11، شماره 42، فروردین 1399، صفحه 248-271   

نوع مقاله: مقاله پژوهشی

نویسندگان

مهدی خوشنود¹؛ فریدون رهنمای رودپشتی^{* 2}؛ هاشم نیکومرام^{* 2}

¹گروه مدیریت مالی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

²گروه مدیریت بازرگانی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

چکیده

هدف این مقاله بررسی الگوهای رفتاری سرمایه گذاران در زمان نزول­های اساسی بورس اوراق بهادار تهران در چارچوب مدل عامل ناهمگن و بهینه سازی الگوها با استفاده از الگوریتم ژنتیک می­باشد. در ابتدا با توجه به مبانی نظری، نزول­­های اساسی در بورس اوراق بهادار تهران بر اساس سه معیار روند شاخص، ارزش معاملات روزانه و ارزش کل بازار مشخص گردید بر این اساس از سال 1380 تا سال 1394 سه نقطه شکست و نزول اساسی تعیین شد: ریاست جمهوری مربوط به انتخاب دولت نهم در سال 1384، بحران مالی غرب در سال 1387 بالاخره نزول دامنه دار بازار پس از ریاست جمهوری مربوط به دولت یازدهم و توافق اولیه هسته­ای. با توجه به مدل عامل ناهمگن بروک و هومز و اصلاحات بعدی آن قیمت­های بازار و بنیادی 40 روز قبل و بعد از نزول­های اساسی تعیین و کد نویسی و شبیه­سازی با استفاده از نرم افزار متلب انجام گردید و پس از آن با تولید پارامترهای اصلی، عامل­های رفتاری فرا اعتمادی و احساسات بازار اعمال گردیده و میزان تطبیق خروجی شبیه­سازی با داده­های بازار واقعی مورد بررسی، آزمون و تحلیل قرار گرفت و بهترین استراتژی سرمایه گذاری انتخاب و با استفاده از الگوریتم ژنتیک بهینه سازی شد نتایج پژوهش نشان می­دهد که مدل عامل ناهمگن، استراتژی دنبال کنندگان روند متضاد را به صورت مناسبی پیش بینی می نماید و همچنین با استفاده از الگوریتم ژنتیک می­توان انحراف معیار و میانگین ضرایب استراتژی­های سرمایه­گذاری را بهبود داده و تعداد تطبیق با داده­های بازار واقعی را افزایش داد .

کلیدواژه‌ها

مدل عامل ناهمگن؛ مدل سازی عامل بنیان؛ مالی رفتاری؛ فرااعتمادی؛ احساسات بازار؛ الگوریتم ژنتیک

مراجع

 

• آذر ، عادل ؛ سارنج ؛علیرضا ؛ صادقی مقدم ، علی اصغر ؛ رجب زاده ، علی. (1397). مدل سازی عامل گرای رفتار سهام داران در بازار سرمایه ایران. فصلنامه تحقیقات مالی، دوره 20 ، شماره 2, 130-150.
• انصاری, ح. ا. (1391). طراحی و تبیین مدل قیمت گذاری انتظارات ناهمگن در بورس اوراق بهادار تهران. تهران: دانشگاه تهران.
• تلنگی ، احمد. (1383). تقابل نظریه نوین مالی و مالی رفتاری. تحقیقات مالی ، شماره 18, 1-17.
• حیدری ، حسن ؛ سلماسی ، پریسا ؛ راسخی ، سعید ؛ فعالجو ، حمیدرضا. (1398). آزمون فرضیه ناهمگنی عاملین بازار با استفاده از مدل STAR با تابع انتقال چند متغیره (مطالعه موردی بورس اوراق بهادار تهران) . دانش مالی تحلیل اوراق بهادار - سال دوازدهم، شماره چهل ویکم, 83-99.
• راعی ، رضا ؛ فلاح پور ، سعید. (1383). مالیه رفتاری ، رویکردی متفات در خوزه مالی. تحقیقات مالی ، شماره 18, 27-48.
• سعیدی ، علی ؛ فرهانیان ، سید محمد جواد. (1390). مبانی اقتصاد و مالی رفتاری. تهران: انتشارات دانشگاه علوم اقتصادی.
• وکیلی فرد،حمیدرضا؛خوشنود،مهدی؛فروغ نژاد،حیدر. (1393). مدل سازی مبتنی بر عامل در بازار های مالی. فصلنامه علمی پژوهشی دانش سرمایه گذاری, 139-158.
• Alsulaiman,T. (2017). Behavioral Financial Networks: An Agent-Based Approach to Bounded Rational Heterogeneous Agents in the Financial Markets. New Jersey, US – 07030: STEVENS INSTITUTE OF TECHNOLOGY.
• Boswijk, H.P., C.H. Hommes and S. Manzan. (2007). Behavioral Hetero-geneity in Stock Prices ,vol 31. Journal of Economic Dynamics and Control, 1938-1970.
• Brock, W. H. (1997). A Rational route to randomness. Econometrica, Vol 65, No 5, 1059-1095.
• Brock, W.A., Hommes, C.H. (1998). eterogeneous beliefs and routes to chaos in a simple asset pricing model. Journal of Economic Dynamics and Control 22, 1235-1274.
• Chiarella, Carl, Xuezhong He, Zwinkels R.C. (2010). Heterogeneous Expectations in Asset Pricing: Evidence from the S&P500. Working paper: university.
• De Groot, J.A.N. (2011). Heterogeneous behavior in European stock market indices. Master Thesis Financial Economics., 798-844.
• Dixit, Avinash K. (2013). Thomas Schelling`s Contributions to Game Theory. Scandinavian Journal of Economics, Vol. 108, No. 2, 213-229.
• Evstigneev, I. V., Hens, T., Schenk-Hopp´e, K. R. (2009). Evolutionary finance. Handbook of Financial Markets:, 507-566.
• Hommes, C. (2006). Heterogeneous agent models in economics and finance. Handbook of Computational Economics, vol. 2, 1109-1186.
• Hommes, C.H., Sonnemans, J., Tuinstra, J., van de Velden, H. (2005). Coordination of expectations in asset pricing experiments. Review of Financial Studies 18, 955–980.
• Hommes, C.H., Wagener, F. (2008). Complex Evolutionary Systems in Behavioral Finance. Amsterdam: CeNDEF Working Papers from Universiteit van Amsterdam, Center for Nonlinear Dynamics in Economics and Finance.
• Hong, H., Stein, J. (1999). A unified theory of underreaction, momentum trading and overreaction in asset markets. Journal of Finance 54, 2143–2184.
• khashanah ,K ; alsulaiman , T. (2017). Connectivity, Information Jumps, and Market Stability:. Hindawi Complexity, Volume 2017, Article ID 6752086, 2-17.
• Kukacka,J , Barunik J,. (2013). Behavioural breaks in the heterogeneous agent model: The impact of herding, overconfidence, and market sentiment. Physica A 392, 5920-5938.
• LeBaron, B. (2006a). Agent-based computational finance. Handbook of Computational Economics. Vol. 2, 1187-1233.
• Tesfatsion, L. (2006). Agent-based computational economics. Handbook of Computational Economics. Vol. 2., 1109-1186.
• Tongya Wang. (2014). Behavioural Biases and Evolutionary Dynamics in an Agent-Based Financial Market. leeds: University of Leeds.
• Yosra M. Rekik, Hachicha w , Boujelbene Y. (2014). Agent-Based Modeling and Investors’ Behavior Explanation of Asset Price Dynamics on Artificial Financial Markets. Procedia Economics and Finance 13, 30-46.