دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815320220180622The Agent-based modeling of stockholders’ behavior in Iranian capital marketمدلسازی عاملگرای رفتار سهامداران در بازار سرمایه ایران1301506766810.22059/frj.2018.259369.1006670FAعادلآذراستاد گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران0000-0003-2123-7579علیرضاسارنجاستادیار گروه مدیریت صنعتی و مالی، دانشکده مدیریت و حسابداری، پردیس فارابی، دانشگاه تهران، قم، ایران0000-0001-7921-9264علی اصغرصادقی مقدمدانشجوی دکتری مدیریت صنعتی، گروه مدیریت صنعتی و مالی، دانشکده مدیریت و حسابداری، پردیس فارابی، دانشگاه تهران، قم، ایرانعلیرجب زادهدانشیار گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایرانهاشممعززاستادیار گروه مدیریت صنعتی و مالی، دانشکده مدیریت و حسابداری، پردیس فارابی، دانشگاه تهران، قم، ایرانJournal Article20180603<strong>Objective: </strong>One of the main concerns of the market regulators is the prediction of the effects of these new strategies on the market due to the heterogeneity of the agents, rational boundary and behavioral factors in the investors’decision making. The Iranian stock market has always been fluctuating; therefore,awareness of the effects of strategies before they are implementedwill help regulators to market more effectively. The main objective of this research is to create an artificial market according to the Iranian stock market so that different scenarios can be simulated. <br /><strong>Methods:</strong>One of these emerging areas, which emphasizes the impact of social sciences, cognitive sciences and behavioral sciences on operational research, is "Behavioral Operations Research" that helps us solve real-world problems.In this research, considering modeling based onagent-based capabilities, shareholders’ capabilities, bonds including different types of stocks and risk-free papers, and trading rules. <br /><strong>Results:</strong>In this artificial market in each trading period, in accordance with the trading strategy and learning procedures, the agents intendto buy and sell. Eventually they worked as the market makers, in accordance with the auction mechanism, and began to execute orders and perform clearing and settlement operations. In order to examine the validity of the model, the statistical output of this market wasadapted to the statistical characteristics of the financial markets and, after validating the model with the scenario, simulation of the research questions were done. In this research, the scenarios for eliminating the range of price fluctuations and elimination of the informed stakeholders and their effects on stock prices were reviewed. <br /><strong>Conclusion: </strong>According to the simulated scenarios of the Iranian stock market, due to its immature nature, eliminating controlling mechanisms such as the range of price fluctuations, in the short term the Market willbe highly instable, but in the long run the market tends to be more efficient.<strong>هدف:</strong>یکی از دغدغههای متولیان بازار پیشبینی تأثیرات استراتژیهای جدید باتوجه به ناهمگن بودن، عقلانیت محدود و عوامل رفتاری در تصمیمگیری سهامداران است. بازار سهام ایران همواره با نواسانات شدیدی روبرو بوده، آگاهی از تأثیرات استراتژیها قبل از اجرا به متولیان در جهت کاراتر نمودن بازار کمک مینماید. هدف اصلی این تحقیق ایجاد یک بازار مصنوعی مطابق با بازار سهام ایران بوده به نحوی که بتوان سناریوهای مختلف را شبیهسازی نمود.<br /> <strong>روش:</strong>یکی از حوزههای نوظهور در تحقیق در عملیات «تحقیق در عملیات رفتاری» است که با ابزار مدلسازی مبتنی برعامل، ما را در حل این مسئله یاری میرساند. در این پژوهش با تمرکز بر قابلیتهای مدلسازی مبتنی بر عامل، سهامداران، اوراق قابل معامله شامل انواع سهام و اوراق بدون ریسک و قوانین معاملاتی مدلسازی میشوند.<br /> <strong>یافتهها:</strong>عاملها در این بازار مصنوعی در هر دوره معاملاتی مطابق با استراتژی معاملاتی و یادگیریهای صورت پذیرفته اقدام به پیشنهاد خرید، فروش و در نهایت بازارساز مطابق با مکانیزم حراج، شروع به تطبیق سفارشات و انجام عملیات تسویه و پایاپای مینمایند. جهت بررسی اعتبار مدل، خروجی آماری این بازار را با مشخصههای آماری بازارهای مالی تطبیق داده و پس از تأیید اعتبار مدل، سناریو حذف دامنه نوسان قیمت و حذف سهامداران آگاه و تأثیرات آن بر روی قیمت سهام بررسی شدند.<br /> <strong>نتیجه گیری:</strong> مطابق با سناریوهایهای شبیهسازی شده بازار سهام ایران با توجه به نابالغ بودن با حذف مکانیزمهای کنترلی مثل دامنه نوسان قیمت در کوتاه مدت به شدت پر نوسان بوده اما در بلند مدت بازار به سمت کارایی هر بیشتر متمایل میشود.دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815320220180622Order Placement Strategy: Trade-off between Market Impact and Non-Execution Riskاستراتژی سفارشگذاری: تقابل واکنش بازار و ریسک اجرای معاملات1511726769610.22059/frj.2018.253673.1006625FAمحمد علیرستگاراستادیار گروه مهندسی مالی، دانشکده مهندسی صنایع، دانشگاه تربیت مدرس، تهران، ایران0000-0001-5094-602Xفریدهتیموریدانشجوی کارشناسی ارشد دانشکده علوم مالی، دانشگاه خوارزمی، تهران، ایرانبهنامباقریانکارشناسی ارشد دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، تهران، ایرانJournal Article20180307<strong>Objective: </strong>This contribution proposes an order placement strategy which can be run on simulating continuous financial markets, within an agent-based model framework. <br /><strong>Methods: </strong>In order to improve the efficiency of price discovery, the order placement decision is given by an optimization model which minimizes the risk adjusted execution cost, taking into consideration relevant market microstructure factors such as market impact. The trading behavior of the agents has been extracted from intraday LOB data of Foulad Stock in Tehran Stock Exchange. <br /><strong>Results: </strong>The market has been simulated for 30 days and the results indicated that the optimized ordering strategy, in terms of the average purchase price of the share, the average waiting time for the transaction of each share and the average volume of the order traded, had better performance in comparison to other strategies examined. <br /><strong>Conclusion: </strong>We can claim that taking into consideration both non-execution risk and execution cost could raise the performance in comparison to other strategies based on the aggressive level of the traders.هدف: بازار بورس ایران در سالهای گذشته تغییراتی در آن اعمال شده و در انتظار تغییرات جدیتر است. در این پژوهش یک مدل بهینه سفارشگذاری با رویکرد ریزساختار بازار ارائه شده که در ساخت بازار مصنوعی استفاده شده و در انتها عملکرد آن مورد بررسی قرار گرفته است.<br /> روش: با کمک شبیه سازی بازار میتوان به مواردی همچون تنظیم بازار و بررسی عملکرد استراتژیهای معاملاتی پرداخت. اما برای کشف قیمت تابلوی ثبت سفارش سهام از شبیهسازی عاملگرا (agent-based) استفاده کردهایم که الگوریتم تصمیمگیری آن شامل انتخاب نوع سفارش (خرید یا فروش)، انتخاب نوع اقدام معاملهگران (ثبت سفارش جدید یا لغو سفارش در صف)، انتخاب استراتژی معاملاتی و انتخاب قیمت بهینهی سفارش - برای یکی از عاملها (agent) - است. از آنجاکه یکی از چالشهای مهم سرمایهگذاران، یافتن قیمت بهینهی سفارشگذاری است، در این پژوهش به این موضوع پرداخته شده است و سعی شده بازار بورس تهران به گونهای شبیهسازی شود تا تغییرات ریزساختار بازار را مطالعه کند.<br /> یافتهها: دادههای پژوهش شامل دادههای درون-روزی تابلوی ثبت سفارش سهم فولاد مبارکه اصفهان در 5 سطح و برای ۷۱ روز معاملاتی است. در سیستم شبیهسازی پژوهش، با بررسی دادههای تاریخی سهم فولاد مبارکه اصفهان، رفتار معاملاتی عاملها استخراج شده است. همچنین با توجه به بحث ریزساختار بازار، تقابل بین ریسک اجرای معاملات و کنترل واکنش بازار به عنوان یک هزینه معاملاتی، مدلسازی شده است. بازار برای مدت 30 روز شبیهسازی شده و نتایج حاکی از آن است که استراتژی سفارشگذاری بهینه شده، از لحاظ میانگین قیمت خرید سهم، میانگین زمان انتظار برای اجرای معامله هر سهم و میانگین حجم معامله شده از سفارش، در مقایسه با سایر استراتژیهای مورد بررسی در بازار عملکرد بهتری داشته است.<br /> <strong>نتیجه</strong><strong></strong><strong>گیری</strong><strong>:</strong> نتایج این پژوهش نشان میدهد بهکارگیری ریسک اجرایی شدن سفارش و هزینه معاملاتی بطور همزمان در استراتژی سفارشگذاری، عملکرد بهتری نسبت به استراتژیهای مبتنی بر درجهی تهاجمی بودن معاملهگران بازار دارد.دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815320220180622Developing a hybrid approach for financial distress prediction of listed companies in Tehran stock exchangeارائه یک روش ترکیبی به منظور پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران1731926769710.22059/frj.2018.248070.1006570FAمحمدهاشمبت شکناستادیار گروه مدیریت مالی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایرانمحمد جوادسلیمیاستادیار گروه حسابداری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایرانسعیدفلاحتگر متحدجوکارشناسی ارشد مدیریت مالی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایرانJournal Article20180109<strong>Objective</strong>: The purpose of this study is to develop a new approach to select effective variables in predicting financial distress using experts’ judgment and decision-making algorithms. <br /><strong>Methods</strong>: Twenty nine financial ratios of financially distressed manufacturing companies according to Article 141 of the business Law were selected and the same number of healthy firms have been randomly selected from the companies which were listed in Tehran Stock Exchange between 1385 and 1395 using audited financial statements of one, two and three years before getting distressed. Then, using the statistical test and Dematel and Todim Fuzzy decision-making algorithms, the best financial ratios and their respective importance coefficients were selected and the prediction of financial distress was made using a support vector machine. <br /><strong>Results</strong>: Paired T-test results showed that accuracy difference of proposed model in predicting financial distress has been statistically significant in 5% level comparing to Altman Model and Logistic Regression Method for the years t-1, t-2, and t-3. <br /><strong>Conclusion</strong>: The findings of the study showed that the proposed model has a significantly better performance in predicting distress than the Logistic regression method and Altman model in one, two and three years before financial distress.هدف: هدف این پژوهش ارائه رویکردی جدید برای انتخاب متغیرهای مؤثر در پیشبینی درماندگی مالی با استفاده از نظر خبرگان و الگوریتمهای تصمیمگیری است.<br /> روش: بدین منظور 29 نسبت مالی برای شرکتهای تولیدی درمانده مالی بر اساس ماده 141 قانون تجارت و به همان تعداد شرکت سالم به صورت تصادفی از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1385 تا 1395 با استفاده از صورتهای مالی حسابرسی شده برای یک، دو و سه سال قبل از درماندگی جمعآوری شده است. سپس با استفاده از آزمون آماری و الگوریتمهای تصمیمگیری دیمتل و تودیم فازی، بهترین نسبتهای مالی به همراه ضریب اهمیت هر یک انتخاب و با استفاده از ماشین بردار پشتیبان، پیشبینی درماندگی مالی انجام شد.<br /> یافتهها: آزمون مقایسات زوجی نشان داد که اختلاف دقت مدل پیشنهادی در پیشبینی درماندگی مالی برای هر سه سال t-1، t-2 و t-3 نسبت به دقت مدلهای آلتمن و رگرسیون لجستیک در سطح خطای 5 درصد معنادار بوده است.<br /> <strong>نتیجه</strong><strong></strong><strong>گیری:</strong> با توجه به نتایج آزمونهای تحقیق می توان نتیجه گیری کرد که مدل پیشنهادی در یک، دو و سه سال پیش از وقوع درماندگی مالی، به طور معناداری از عملکرد بهتری در پیشبینی درماندگی نسبت به روش رگرسیون لجستیک و مدل آلتمن برخوردار است.دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815320220180622Higher Moments Portfolio Optimization with Entropy Based Polynomial Goal Programmingگشتاور مراتب بالاتر در بهینهسازی پرتفوی با درنظر گرفتن آنتروپی و استفاده از برنامهریزی آرمانی چندجملهای1932106769810.22059/frj.2018.255731.1006645FAاحمدنبی زادهاستادیار، گروه منابع انسانی و کسب و کار، دانشکده مدیریت، دانشگاه خوارزمی، تهران، ایرانعادلبهزادیدانشجوی دکتری مهندسی مالی، گروه مدیریت مالی و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران، ایرانJournal Article20180411Objective: Portfolio selection is a critical factor in investment. Having considered a number of risky assets, fund <br /> managers must choose the optimum portfolio. Stock values can be affected by different types of events <br /> such as governmental crises, economic turmoil and industrial improvements. Due to the vague nature <br /> of these events, it is difficult to estimate the future value of stocks. However, Markowitz’s Modern <br /> portfolio theory, which is principally focused on portfolio risk, has introduced a novel model for stock <br /> diversification. When the normality assumption <br /> of return series of assets are not valid, higher moments can also be added to ensure the efficiency of <br /> the Markowitz model. On other hand, entropy can be used as diversification creteria in portfolio theory. In this paper, the affect of simulatnus usage higher moment and entropy is examined. Methods: In this paper, a polynomial goal programming based on the model of meanvariance-skidding-elongation-entropy and direct search algorithms is used. For estimation of entropy, Shannon and Ginny Simpson criteria have been used. Results: Tehran Stock Exchange data was used to evaluate the models. The findings indicate portfolio performance measure is enhanced by using the proposed approach. Conclusion: Using a combination of higher moments and entropy, although it does not improve some of the target functions, but generally improves the performance of the portfolios. <br /> <strong>هدف:</strong> هدف این پژوهش، سرمایهگذاری کسب بازده متناسب با ریسک است. تحقیقات زیادی از جمله تئوری مارکوییتز (1952) نشان میدهد تشکیل پرتفوی با در نظر گرفتن بازدهی ثابت، سبب کاهش ریسک غیرسیستماتیک میشود. این نظریه بر اساس فرضهایی بنا شده است که یکی از آنها، نرمال بودن توزیع بازده داراییهاست؛ اما شواهد تجربی نشان از عدم نرمال بودن بازده داراییها دارد. از سوی دیگر، معیارهای آنتروپی برای نشان دادن تنوعسازی در پرتفوی عملکرد خوبی دارند. در مقاله پیش رو اثر استفاده ترکیبی از آنتروپی و گشتاورهای مراتب بالاتر نشان داده شده است.<br /> روش: در این مقاله، رویکرد برنامهریزی آرمانی چندجملهای بر اساس مدل میانگین ـ واریانس ـ چولگی ـ کشیدگی ـ آنتروپی استفاده شده است. همچنین، الگوریتم جستوجوی مستقیم به عنوان الگوریتم بهینهسازی مد نظر قرار گرفته و برای اندازهگیری آنتروپی از معیارهای شانون و جینی سیمپسون استفاده شده است.<br /> یافتهها: بهمنظور بررسی مدلها از دادههای بورس اوراق بهادار تهران استفاده شده است. یافتهها گویای بهبود کارایی پرتفوی به دست آمده در حالت استفاده از آنتروپی جینی سیمپسون و شانون و بهکارگیری الگوریتم جستوجوی مستقیم است.<br /> نتیجهگیری: استفاده ترکیبی از گشتاورهای مراتب بالاتر و آنتروپی در برخی توابع هدف، بهبود ایجاد نمیکند، اما بهطور کلی موجب بهبود کارایی پرتفویهای به دست آمده بر اساس معیار ارزیابی عملکرد ارائه شده در پژوهش میشود.دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815320220180622Margin Variations Effect on Gold Coin Futures Market in Iran Mercantile Exchangeتأثیر تغییرات ودیعه بر بازار قراردادهای آتی سکه در بورس کالای ایران2112266769910.22059/frj.2018.259452.1006672FAمسلمپیمانیاستادیار گروه مالی و بانکداری دانشگاه علامه طباطبائی، تهران،سازمان مرکزی، بلوار دهکده المپیک، تقاطع بزرگراه شهید همت، پردیس دانشگاه علامه طباطبائی0000-0001-8507-4014امیرحسینارضاءاستادیار گروه مالی و بانکداری دانشگاه علامه طباطبائی، تهران،سازمان مرکزی،بلوار دهکده المپیک، تقاطع بزرگراه شهید همت، پردیس دانشگاه علامه طباطبائی0000-0001-8507-4014فرنازصیفیکارشناسی ارشد مدیریت مالی،دانشگاه علامه طباطبائی،تهران،سازمان مرکزی، بلوار دهکده المپیک، تقاطع بزرگراه شهید همت، پردیس دانشگاه علامه طباطبائیJournal Article20180603<strong>Objective</strong>: Margin in derivatives markets, such as futures markets, is used as a means of controlling the risk of future prospective obligations. On the other hand, margin is regarded as trading expenses and as one of the factors influencing futures market. <br /><strong>Methods</strong>: Accordingly, in this paper, the effect of margin changes on futures contracts has been studied regarding Iran mercantile exchange in terms of return, risk and liquidity from 2016 to 2017. To do so, three approaches were used: estimating separate equations, seemingly unrelated equations and vector auto regression along with impulse response analysis. <br /><strong>Results</strong>:Based on the results, margin changes had a significant effect on returns and liquidity, but no significant effect on volatility. Also, the effects of margin change shocks on all three variables of return, volatility and liquidity were not stable, and more specifically the rate of damping of this effect on liquidity is less than the effect on the other variables. <br /><strong>Conclusion</strong>: In other word, margin changes affect futures market return and liquidity, yet this is not a stable effect. These results can be helpful for futures market policy makers and investors.<strong>هدف:</strong> ودیعه در بازارهای مشتقه مانند بازار قراردادهای آتی، ابزاری جهت کنترل ریسک تعهدات احتمالی آینده است. از سوی دیگر، ودیعه بعنوان هزینههای معاملات تلقی شده و از عوامل اثرگذار بر بازار قراردادهای آتی است. بر این اساس در این مقاله به بررسی تأثیر تغییرات ودیعه بر بازار قراردادهای آتی سکه در بورس کالای ایران از حیث بازدهی، ریسک و نقدشوندگی طی سالهای 1395 و 1396 پرداخته شده است.<br /> <strong>روش:</strong> جهت بررسی این موضوع نیز از سه رویکرد تخمین معادلات مجزا، معادلات به ظاهر نامرتبط و خودرگرسیون برداری به همراه تحلیل اثرات شوک استفاده شده است.<br /> <strong>یافته ها:</strong> بر اساس نتایج به دست آمده، تغییرات ودیعه بر بازدهی و نقدشوندگی تأثیر معنیداری داشته ولی این تأثیر بر نوسانات معنیدار نیست. همچنین تأثیر شوک تغییرات ودیعه بر هر سه متغیر بازدهی، نوسانات و نقدشوندگی میرا بوده ولی سرعت میرایی این اثر در نقدشوندگی کمتر از سایر متغیرهاست.<br /> <strong>نتیجه گیری:</strong> به عبارت صریحتر، تغییرات ودیعه بر بازار قراردادهای آتی از حیث بازدهی و نقدشوندگی اثرگذار بوده ولی این اثر ناپایدار و میرا میباشد که این امر میتواند هم برای تصمیمگیران و سیاستگذاران این بازار و هم سرمایهگذاران فعال در حوزه قراردادهای آتی در أخذ تصمیم موثر واقع شود.دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815320220180622Earning Volatility and Capital Structure Decisions considering the Moderating Role of Financial Distress;A Structural Equations Modeling Approachنوسانپذیری سود و تصمیمها ساختار سرمایه با نقش تعدیلگری درماندگی مالی؛ رویکرد مدلسازی معادلات ساختاری2272486770010.22059/frj.2018.257571.1006660FAمهدیحیدریاستادیار حسابداری، گروه حسابداری، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران0000-0002-0148-1470غلامرضامنصورفردانشیار علوم مالی، گروه حسابداری دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران0000-0002-3076-0241مرتضیقاسم زادهدانشجوی کارشناسی ارشد، رشته مدیریت مالی، گروه حسابداری، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیهJournal Article20180509<strong>Objective</strong>: The purpose of this study is to investigate the effect of financial distress on the relationship between earning volatility and capital structure decisions using Structural Equations Modeling (SEM) Approach. <br /><strong>Methods: </strong>For this purpose, a sample of 82 companies were selected among the companies accepted by Tehran Stock Market between 2006 and 2017. To measure the moderating effect of financial distress, the sample companies were classified into two groups based on the KZ model. To measure the earning volatility, the researchers used observable variables such as coefficient of variation of ROE, coefficient of variation of OI divided by total assets and standard deviation of the percentage change in operating income. Also, we used three measures of total debt divided by total assets, total debt divided by book value of equity and total debt divided by market value of equity to measure the capital structure value. <br /><strong>Results: </strong>After ensuring the acceptable process of the research measurement and structural models, the results indicated that earning volatility has a significantly negative impact on capital structure decisions and financial distress significantly affect the relationship between earning volatility and capital structure. Moreover,such a relationship is proved stronger in the unconstrained companies group. <br /><strong>Conclusion:</strong> The effect of earning volatility on capital structure decisions is stronger in sound Companiescompared to financially distressed holding Companies.<strong>هدف: </strong>هدف پژوهش حاضر، بررسی تأثیر درماندگی مالی بر ارتباط بین نوسانپذیری سود و تصمیمات ساختار سرمایه، از طریق رویکرد مدلسازی معادلات ساختاری میباشد.<br /> <strong>روش:</strong> از بین شرکتهای پذیرفته شده در بورس اوراق بهادار تهران ۸۲ شرکت طی سالهای ۱۳۸۵ تا ۱۳۹۵ برای نمونه آماری انتخاب گردید و جهت بررسی اثر تعدیلگری درماندگی مالی، شرکتهای نمونه به کمک مدل کاپلان زینگالس در دو گروه دستهبندی گردید. نوسانپذیری سود به کمک متغیرهای مشاهدهپذیر ضریب پراکندگی نسبت بازده حقوق صاحبان سهام، ضریب پراکندگی نسبت سود علمیاتی به مجموع داراییها و انحراف معیار درصد تغییرات سود عملیاتی اندازهگیری شد و سنجش متغیر ساختار سرمایه از طریق نسبتهای مجموع بدهی به مجموع دارایی، مجموع بدهی به ارزش دفتری حقوق صاحبان سهام و مجموع بدهی به ارزش بازار حقوق صاحبان سهام انجام گرفت.<br /> <strong>یافته ها:</strong> پس از اطمینان از برازش مناسب الگوهای اندازهگیری و ساختاری پژوهش نتایج نشان داد نوسانپذیری سود بر تصمیمات ساختار سرمایه اثر معکوس و معنیدار دارد و درماندگی مالی بر ارتباط بین نوسانپذیری و ساختار سرمایه اثر معنیدار دارد. به گونهای که شدت ارتباط این دو متغیر در گروه شرکتهای سالم قویتر است.<br /> <strong>نتیجه گیری:</strong> تأثیر نوسانپذیری سود بر تصمیمات ساختار سرمایه در شرکتهای سالم قویتر از شرکتهای دارای محدودیت مالی میباشد.<br /> دانشکده مدیریت دانشگاه تهرانتحقیقات مالی1024-815320220180622Developing an Intelligent Model to Predict Stock Trend Using the Technical Analysisمدلی هوشمند برای پیشبینی روند سهام با استفاده از روشهای تحلیل تکنیکال2492646770110.22059/frj.2018.233763.1006452FAالهامافشاری راددانشجوی کارشناسی ارشد، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایرانسید عنایت الهعلویاستادیار، دانشکده مهندسی،دانشگاه شهید چمران اهواز، اهواز، ایرانحسنعلیسیناییدانشیار، مدیر گروه مدیریت دانشکده اقتصاد و علوم اجتماعی، دانشگاه شهید چمران اهواز، اهواز، ایرانJournal Article20170522<strong>Objective: </strong>The aim of this study is to predict trend in stock using both analytical methods of stock prediction and intelligent machine learning methods on the case study of the Tehran Stock Exchange index. <br /><strong>Methods: </strong>The proposed method consists of the following steps: at first, required data are collected. Afterwards, the data are evaluated using 25 analytical methods certified by Tehran stock exchange, Inc. Then, 10 highest rank methods are selected based on feature selection technique leading to a decrease in dimensions. <br /><strong>Results: </strong>The output of the final step is given to five intelligent machine learning methods, i.e., linear support vector machines, Gaussian kernel support vector machines, decision trees, Naïve Bayes and K nearest neighbors. <br /><strong>Conclusion: </strong>Eventually, majority voting approach is used to make the final decision. The advantage of the proposed technique is the flexibility to use any technical analysis methods which means there is almost no limitation for this approach. Moreover, the feature selection technique is utilized for technical analysis and these methods are prioritized. <br /> <br /> هدف: هدف این پژوهش پیشبینی روند با روشهای تحلیل تکنیکال پیشبینی سهام و روشهای هوشمند یادگیری ماشین است و برای پیش بینی بر روی شاخص کل کار میشود.<br /> <strong>روش</strong><strong>:</strong> این پژوهش، شامل مراحلی است که در ادامه میآید: ابتدا دادههای مورد نیاز جمعآوری میشوند سپس به 25 روش تحلیل داده میشوند، سپس از میان این 25 روش ده روش با اولویت طبق روش انتخاب ویژگی کاهش ابعاد، انتخاب میشوند، خروجی این مرحله به پنج روش هوشمند یادگیری ماشین، ماشین بردار پشتیبان خطی، ماشین بردار پشتیبان کرنل گوسی، درخت تصمیم، نزدیکترین K همسایه و نئیو بیز داده میشود. سپس، برای تصمیمگیری نهایی از روش رأی اکثریت استفاده شده است.<br /> یافتهها: در نهایت این نتیجه حاصل شد که روش پیشنهادی بهطور متوسط نرخ پیشبینی صحیح 97 درصد دارد.<br /> <strong>نتیجه</strong><strong></strong><strong>گیری</strong><strong>:</strong> مزایای روش پیشنهادی به این شرح است: روش پیشنهادی در استفاده از روشهای تحلیل تکنیکال محدودیتی ندارد. روش انتخاب ویژگی بر روی روشهای تحلیل تکنیکال اعمال شده و روشهای تحلیل تکنیکال با اولویت انتخاب شدهاند.