ارائه مدل بهینه برای انتخاب سهام مبتنی بر استراتژی‌های معاملاتی مومنتوم، معکوس و هیبریدی با استفاده از الگوریتم GWO

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه مالی، دانشکده اقتصاد و حسابداری، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران.

2 دانشیار، گروه حسابداری، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران.

3 استادیار، گروه حسابداری، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران.

چکیده

هدف: استراتژی‌های کنتراتوم، استراتژی‌های ترکیبی‌ای هستند که رتبه‌‌بندی پرتفوی در آن‌ها، بر افق زمانی طولانی‌مدت و نگهداری آن‌ها میان‌مدت است. استراتژی‌های مومنتریان یا لحظه‌ای نیز استراتژی‌های ترکیبی‌ای هستند که رتبه‌بندی پرتفو و انتخاب سهام آن‌ها بر افق زمانی میان‌مدت مبتنی است؛ اما در بلند‌مدت نگهداری می‌شوند. در این پژوهش تلاش شده است تا با استفاده از الگوریتم GWO و پانل پویا، مدل بهینه‌ای برای انتخاب سهام مبتنی بر‌ استراتژی‌های معاملاتی مومنتوم، معکوس و هیبریدی ارائه شود.
روش: پژوهش حاضر از نوع کاربردی است. برای برآورد مدل، از اطلاعات 175 شرکت‌های فعال در بازار اوراق بهادار تهران، در بازه زمانی 1390 تا 1399 و همچنین، از نرم‌افزارهای ایویوز 12 و متلب 2021 بهره برده شده است. بر اساس نتایج 8 بازه زمانی 3، 6، 9، 12، 24، 36، 48 و 60 ماهه بر اساس استراتژی‌های مختلف مومنتوم و معکوس و ترکیبی در موقعیت‌های بازنده، برنده و بازنده ـ برنده، برنده ـ بازنده تجزیه‌وتحلیل شد. گفتنی است، برای برآورد استراتژی‌ها نیز از دو روش پانل پویا و گرگ‌های خاکستری استفاده شد.
یافته‌ها: بر اساس نتایج، رویکرد گرگ خاکستری در مقایسه با روش پانل پویا دقت بیشتری دارد و استراتژی‌های ترکیبی نسبت به استراتژی مومنتوم ساده، بازده اضافی بیشتری را در بازه بلند‌مدت نصیب سرمایه‌گذاران می‌کند.
نتیجه‌گیری: به فعالان و سرمایه‌گذاران بازارهای مالی توصیه می‌شود که برای بهبود تصمیم‌های خریدوفروش خود، از استراتژی‌های ترکیبی بهره بگیرند و با توجه به بهبود نتایج روش گرگ خاکستری نسبت به روش پانل ساده، در محاسبات و تشکیل پرتفوی بهینه نیز از روش‌های هوش مصنوعی به جایگزینی روش‌های رگرسیونی استفاده کنند.

کلیدواژه‌ها


عنوان مقاله [English]

Providing the Optimal Model for Stock Selection Based on Momentum, Reverse and Hybrid Trading Strategies Using GWO Algorithm

نویسندگان [English]

  • Ali Teymouri Ashtiani 1
  • Mohsen Hamidian 2
  • Seyedeh Mahboubeh Jafari 3
1 Ph.D. Candidate., Department of Finance, Faculty of Economics and Accounting, South Tehran Branch, Islamic Azad University, Tehran, Iran.
2 Associate Prof., Department of Accounting, South Tehran Branch, Islamic Azad University, Tehran, Iran.
3 Assistant Prof., Department of Accounting, South Tehran Branch, Islamic Azad University, Tehran, Iran.
چکیده [English]

Objective: Contratum strategies are hybrid strategies in which, like the reverse strategy, the portfolio ranking is based on a long-term time horizon. However, the time horizon of their maintenance is like medium-term momentum strategies. Momentarian or momentary strategies are among the combined strategies whose portfolio ranking and stock selection are based on the medium-term time horizon, just like the momentum strategy; however, unlike reverse strategy, they are kept in long term. In this research, an attempt has been made to provide an optimal model for stock selection based on momentum, reverse, and hybrid trading strategies using the GWO algorithm and dynamic panel.
Methods: Considering the fact that the purpose of the current research is to answer the questions and test the existing theories in a specific field, it can be categorized as applied research (research and development), and due to its possibility of obtaining a descriptive explanation of a phenomenon, it can be considered as the pseudotype, experiential, descriptive and post-event. In addition, due to description, inference, and problem-solving using quantitative values, it is in the scope of quantitative research. To estimate the model, the information of 175 companies in the period from 2012 to 2021 was used, as well as the software E-Views 12 and MATLAB 2021. Based on the results of 8 time periods of 3, 6, 9, 12, 24, 36, 48, and 60 months, it was analyzed according to different momentum and reverse and combined strategies in loser, winner, and loser-winner, winner-loser positions. It should be noted that two methods of the dynamic panel and gray wolves were used to estimate the strategies.
Results: The existence of a momentum strategy was confirmed in the Tehran Stock Exchange, which ensures the hypothesis of underreaction in Iran's capital market. Investors in this market show less reaction to the change of the fundamentals affecting the stock price. Accordingly, the correction of the stock price of these companies is done slowly until it reaches its intrinsic value. Of course, factors such as the volatility limit, the base volume, and the trading node law also fuel this slowness and cause the price correction process to take place with a delay by the formation of buying and selling queues. This helps to use the momentum strategy and obtain abnormal returns in this market. As a result, it can be said that the momentum policy and, naturally, based on the research results, combined approaches cannot create abnormal profits for their investors in the capital market of Iran.
Conclusion: Financial market activists and investors are advised to use mixed strategies to improve their buying and selling decisions. Due to the improvement of the results of the gray wolf method compared to the simple panel method, they should use artificial intelligence methods instead of regression methods in the calculations and formation of the optimal portfolio.

کلیدواژه‌ها [English]

  • Stock return
  • Momentum
  • Reversal
  • Contratum
  • Momentarian
  • Gray wolf
  • Dynamic panel
اسدی، غلامحسین؛ امامی، سیدامیرحسین (1398). طراحی استراتژی‌های معاملاتی بر پایه اثر مومنتوم و بازگشت و با به‌کارگیری کف‌ها و سقف‌های مهم گذشته سهام. دانش مالی تحلیل اوراق بهادار، 12(14)، 57- 69.
بانک مرکزی جمهوری اسلامی ایران. پژوهش‌های اداره مطالعات و بررسی‌های اقتصادی سال‌های مختلف.
بانک مرکزی جمهوری اسلامی ایران. نماگرهای اقتصادی بانک مرکزی سال‌های مختلف.
بخردی نسب، وحید و ژولانژاد، فاطمه (1396)، ‌تأثیر کیفیت سود بر رابطه بین مومنتوم و بازده اضافی سهام. مهندسی مالی و مدیریت اوراق بهادار، 8(32)، 21- 42.
حاجیان نژاد، امین و صلواتی، امیرحسین (1398) تحلیل ‌تأثیر مومنتوم بر اندازه در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران. چهارمین کنفرانس ملی در مدیریت، حسابداری و اقتصاد با تأکید بر بازاریابی منطقه‌ای و جهانی، تهران.
خانی، عبدالله؛ بت‌شکن، محمود و اطهری، بابک (1399)، ارزیابی عملکرد راهبرد مومنتوم مدیریت شده در بورس اوراق بهادار تهران. راهبرد مدیریت مالی، 8(4)، 23-50.
سماوی، محمدابراهیم؛ آقاکوچکی، مسعود و حسنی، امیر (1400). بررسی ارجحیت استراتژی‌های مومنتوم و معکوس مبتنی بر بیش واکنشی و کم واکنشی سرمایه‌گذاران، دومین کنفرانس بین‌المللی چالش‌ها و راه‌کارهای نوین در مهندسی صنایع و مدیریت و حسابداری، دامغان.
صفری، علی؛ آشنا، محمد (1398). ارائه مدلی بهینه برای انتخاب سهام براساس استراتژی معاملاتی مومنتوم. دانش مالی تحلیل اوراق بهادار، 12(41)، 143-153.
فدایی نژاد، محمد اسماعیل؛ فراهانی، رضا؛ حسین آبادی، محمد (1399). ارزیابی سودمندی استراتژی‌های مومنتوم و معکوس صنعت در بازار سرمایه‌ ایران، مدیریت دارایی و تأمین مالی، 9(1)، 93-112.
موسوی شیری، سیدمحمود؛ صالحی، مهدی؛ شاکری، مریم و بخشیان، عسل (1394). سودآوری استراتژی مومنتوم و تأثیر حجم معاملات سهام بر آن در بورس اوراق بهادار تهران. مجله مهندسی مالی و مدیریت اوراق بهادار، 6 (25)، 107 -123.
 
 
References
Abukari, K. & Otchere, I. (2020). Dominance of hybrid contratum strategies over momentum and contrarian strategies: half a century of evidence. Financial Markets and Portfolio Management, https://doi.org/10.1007/s11408-020-00363-3
Assadi, Gh.H., & Emami, S.A.H. (2019). Designing Trading Strategies Based on Momentum & Reversal Effect, Using Stock’s Major Historical Highs and Lows. Financial Knowledge of Securities Analysis12(41), 57-69. (in Persian)
Baltazer, M. & Jank, S. & Smajlbegovic, E. (2014). Who trades on momentum? Discussion Papers, 42/2014, Deutsche Bundesbank.
Balvers, R., Wu, Y. (2006). Momentum and mean reversion across national equity markets. Journal of Empirical Finance, 13, 24 – 48.
Barroso, P. & Santa-clara, P. (2015). Momentum has it’s a moments. Journal of Financial Economics, 116, 111-120.
Bekhradinasab, V., Zholanezhad, F. (2017). The Impact of Earning Quality on Excess Returns with Regard to Momentum. Financial Engineering and Portfolio Management, 8(32), 21-42. (in Persian)
Bell, D.E. (1982). Regret in decision making under uncertainty. Operations Research, 30(5), 961–981.
Cai, J., Wang, Y. & Mao, T. (2017). Tail subadditivity of distortion risk measures and multivariate tail distortion risk measures. Insurance: Mathematics and Economics, 75, 105–116.
Chou, P.H., Wei, K.C.J., Chung, H. (2007). Sources of contrarian profits in the Japanese stock market. Journal of Empirical Finance, 14, 261–286.
Choueifaty, Y. & Coignard Y. (2008). Toward maximum diversification. Journal of Portfolio Management, 35(1), 40-51.
Fadaie Nejad, M., Farahani, R. & Mhoseynabadi, M. (2021). Evaluation of the Profitability of Momentum and Reversal Strategies of Industry in the Capital Market of Iran. Journal of Asset Management and Financing, 9(1), 93-112. (in Persian)
Fama, E.F. & French, K.R. (1996). Multifactor explanations of asset pricing anomalies. Journal of Finance, 51(1), 55–84.
Fama, E.F. & French, K.R. (2008). Dissecting anomalies Journal of Finance, 63(4), 1653–1678.
Hajiannejad, A. & Salvati, A. (2018). Analysis of the effect of momentum on size in companies listed on the Tehran Stock Exchange. The fourth national conference on management, accounting and economics with an emphasis on regional and global marketing, Tehran. (in Persian)
Hon, M.T., Tonks, I. (2003). Momentum in the UK stock market. Journal of Multinational Financial Management, 13(1), 43–70.
Jegadeesh, N. & Titman, S. (2001). Profitability of momentum strategies: an evaluation of alternative explanations. Journal of Finance, 56(2), 699–720.
Jegadeesh, N., Titman, S. (1993).Returns to buying winners and selling losers: implications for market efficiency. Journal of Finance, 48(1), 65–91.
Khani, A., Botshekan, M., Athari, B. (2020). The Evaluation of the Managed Momentum Strategy in the Listed Companies on Tehran Stock Exchange. Financial Management Strategy, 8(4), 23-50. (in Persian)
Kim, D., Roh, T.-Y., Min, B.-K., & Byun, S.-J. (2014). Time-varying expected momentum profits. Journal of Banking & Finance, 49, 191-215.
Loomes, G. & Sugden, R.F. (1982). Regret theory: an alternative theory of rational choice under uncertainty’. Economic Journal, 92(368), 805–824.
Mazumdar, K.,‌ Zhang, D. & Guo, Y. (2020). Portfolio selection and unsystematic risk optimisation using swarm intelligence, Journal of Banking and Financial Technology, https://doi.org/10.1007/s42786-019-00013-x
Mirjalili, S. A., Mirjalili, S.M. & Lewis, A. (2014). Grey Wolf Optimizer. Advances in Engineering Software Elsevier, 69, 46-61.
Moreira, A. & Muir, T. (2017). Volatility-managed portfolios. Journal of Finance, 72, 1611–1644.
Morli, M.H. (2021). Analysis of the Long-term Relationship Between Macroeconomic Variables and the Chinese Stock Market Using Heteroscedastic Cointegration. Journal Managerial Finance, (11), 744-755.                  
Moskotoiz, D. (2021). Momentum profits and conditionaltime-varying systematic risk. Journal of International Financial Markets, Institutions & Money, 29, 242-255.
Mousavi Shiri, M., Salehi, M., Shakeri, M. A. (2015). Profitability of Momentum Strategies and the Impact of Trading Volume in Tehran Stock Exchange. Financial Engineering and Portfolio Management, 6(25), 107-124. (in Persian)
Saderbog, M., Jank, S., Smajlbegovic, E. (2019). Who trades on momentum? J. Financ. Mark., 42, 56–74
Safari, A. & Ashna, M. (2019). Proposing an optimal model for stock selection based on the momentum trading strategy. Financial Knowledge of Securities Analysis, 12(41), 143- 153. (in Persian)
Samavi, M.I., Aghakochki, M. & and Hosni, A. (1400). Investigating the preference of momentum and reverse strategies based on over-reaction and under-reaction of investors. The second international conference on new challenges and solutions in industrial engineering and management and accounting, Damghan. (in Persian)
Shourt C.A. (2003) Interpreting the macroeconomic time series facts: The effects of monetary policy. European economic review, 36(5), 975–1000.
Sias, R.W. (2004). Institutional herding. The Review of Financial Studies, 17(1), 165- 206.
Vayanos, D., Woolley, P. (2013). An institutional theory of momentum and reversal. The Review of Financial Studies, 26(5), 1087–1145.
World Bank. (2016). Market capitalization of listed domestic companies (current US$) (2016). http://data.world bank.org/indic ator/CM.MKT.LCAP.CD?view=chart. Accessed 6 Oct 2018