استراتژی بهینه اجرای معاملات بزرگ با رویکرد شبیه سازی عاملگرا
Publish place: Financial Research Journal، Vol: 19، Issue: 2
Publish Year: 1396
Type: Journal paper
Language: Persian
View: 220
This Paper With 24 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JFR-19-2_003
Index date: 9 February 2022
استراتژی بهینه اجرای معاملات بزرگ با رویکرد شبیه سازی عاملگرا abstract
سرمایهگذارانی که خواهان اجرای سفارشهای بزرگ هستند، همواره با موازنه اثر قیمتی و هزینه فرصت (ریسک اجرای معامله) مواجهاند. هدف از این پژوهش، یافتن روش بهینهای برای اجرای چنین سفارشهاست. این پژوهش با استفاده از دادههای تاریخی سهام در بورس اوراق بهادار تهران، ابتدا احتمال انواع سفارشگذاریها شامل سفارش بازار، سفارش در شکاف قیمتی و سفارش محدود را برای سمت خرید و سمت فروش بهطور جداگانه محاسبه کرده، سپس استراتژی بهینه معاملاتی را بر اساس معیار قیمت میانگین موزون حجمی (VWAP) بررسی میکند. در بازار معاملاتی شبیه سازی شده، اثر قیمتی برای سفارشهای بزرگ نیز در نظر گرفته شده است. روش شبیهسازی، روش عاملگرا است و برای آموزش عامل، از روش یادگیری کیو که یکی از روشهای یادگیری تقویتی است، استفاده کردیم. نتایج این پژوهش نشان می دهد برای هر سفارش بزرگ خرید، استراتژی با استفاده از انواع سفارش می تواند بهتر از استراتژی هایی با استفاده از تنها یک نوع سفارش باشد. استراتژی بهینه توانسته است به طور متوسط قیمت میانگین موزون حجمی (هزینههای اجرای معاملات) را ۱۳۷/۰ درصد نسبت به بازار کاهش دهد.
استراتژی بهینه اجرای معاملات بزرگ با رویکرد شبیه سازی عاملگرا Keywords:
استراتژی بهینه اجرای معاملات بزرگ با رویکرد شبیه سازی عاملگرا authors
محمد علی رستگار
استادیار گروه مهندسی مالی، دانشکده مهندسی صنایع و سیستمها، دانشگاه تربیت مدرس، تهران، ایران
خاطره ساعدی فر
کارشناس ارشد مهندسی مالی، دانشکده علوم مالی، دانشگاه خوارزمی، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :