زوج من المتاجرة استراتيجية مجلة

تيجس مجلة بحوث إدارة العلوم الاجتماعية - ريسم المجلة الدولية البحوث البحوث البحوث مجلة إدارة العلوم الاجتماعية-ريسم يتم الترويج مع إيسن الصادرة عن المكتبة الوطنية، سنغافورة. وتتمثل الرؤية في تشجيع الأخوة البحثية على تبادل معارفهم ونشر أي عمل جدير على الإنترنت، مما يبرز الانسجام بين مجتمع البحث. هذه المجلة هي مجرد خطوة أولى والمضي قدما يمكنك البحث عن العديد من المجلات، التي سيتم إطلاقها بهدف وحيد لخدمة مجتمع المعرفة المشاركة في البحوث. تيجس البحوث المجلات مدرجة في الدليل الدولي مثل. أولريشس دليل دوري (a بروكويست Co.)، مؤشر كوبرنيكسوس، مجلة العلمية عامل التأثير، الباحث العلمي جوجل، فتح J - بوابة. والعديد من الدلائل الشعبية الأخرى للحصول على أفضل اقتباس وتأثير عامل. أيضا في عملية الإدراج في طومسون رويترز، سكوبوس مثل الدلائل. وسوف نكون ممتنين للغاية إذا كنت تستطيع إعادة توجيه هذه الدعوة عبر الزملاء الخاص بك وطلب المزيد من التسجيلات تقديمات، والتي يمكن أن تساعد أكثر، لأن لدينا وصول أفضل عبر القارات ويتم الوصول إليها من قبل القراء على الصعيد العالمي، ونلاحظ أن مجلة إيداع القضايا (الإلكترونية الشكل) في المكتبة الوطنية، سنغافورة. بدلا من ذلك يمكنك إرسال بريد إلكتروني محتمل للمؤلفين إلى محرر أو انقر هنا لإرسال هذه الصفحة إلى صديق انقر هنا لزيارة المجلات الأخرى فول 6، نو 10 (2017): 01 فبراير 2017 تيجس ريزارتش جورنالز مدرجة في الدليل الدولي مثل . أولريشس دليل دوري (a بروكويست Co.)، مؤشر كوبرنيكسوس، مجلة العلمية عامل التأثير، الباحث العلمي جوجل، فتح J - بوابة. والعديد من الدلائل الشعبية الأخرى للحصول على أفضل اقتباس وتأثير عامل. أيضا في عملية الإدراج في طومسون رويترز، سكوبوس مثل الدلائل. لتحميل ملف كوفيرباجورابر 1) انقر بزر الماوس الأيمن على الصورة، 2) حدد حفظ الصورة و 3) حدد المجلد المحلي المطلوب. أعلى 5 استراتيجيات التداول شعبية هذه المادة سوف تظهر لك بعض استراتيجيات التداول الأكثر شيوعا وأيضا كيف يمكنك تحليل إيجابيات وسلبيات كل واحد لاتخاذ قرار أفضل واحد لنمط التداول الشخصية الخاصة بك. أهم خمس استراتيجيات سنغطيها هي كما يلي: الاختراقات هي واحدة من التقنيات الأكثر شيوعا المستخدمة في السوق للتجارة. وهي تتألف من تحديد مستوى سعر رئيسي ثم الشراء أو البيع كتكسيرات السعر التي قبل مستوى محدد. التوقع هو أنه إذا كان السعر لديه قوة كافية لكسر المستوى ثم أنها سوف تستمر في التحرك في هذا الاتجاه. مفهوم الاختراق بسيط نسبيا ويتطلب فهما معتدلا للدعم والمقاومة. عندما يتجه السوق والتحرك بقوة في اتجاه واحد، والتداول الاختراق يضمن أنك لا تفوت هذه الخطوة. وتستخدم عموما الهروب عندما يكون السوق بالفعل في أو بالقرب من أدنى مستوياته القصوى من الماضي القريب. التوقعات هي أن السعر سوف يستمر التحرك مع هذا الاتجاه وكسر في الواقع عالية للغاية والاستمرار. مع هذا في الاعتبار، لاتخاذ التجارة على نحو فعال نحن ببساطة بحاجة إلى وضع النظام فقط فوق ارتفاع أو أقل بقليل من أن التجارة تلقائيا يحصل دخل عندما يتحرك السعر. وتسمى هذه أوامر الحد. من المهم جدا تجنب تداولات التداول عندما لا تتجه السوق لأن ذلك سيؤدي إلى صفقات كاذبة تؤدي إلى خسائر. والسبب في هذه الخسائر هو أن السوق ليس لديه الزخم لمواصلة التحرك إلى أبعد من أعلى مستوياته وأدنى مستوياته. عندما يضرب السعر هذه المناطق، فإنه عادة ما ينخفض ​​مرة أخرى إلى أسفل النطاق السابق، مما يؤدي إلى خسائر لأي التجار يحاولون الاحتفاظ في اتجاه هذه الخطوة. التصحيحات تتطلب التصحيحات مجموعة مهارات مختلفة قليلا وتدور حول التاجر الذي يحدد اتجاها واضحا للسعر للتحرك ويصبح واثقا من أن السعر سيستمر في التحرك. وتستند هذه الاستراتيجية إلى حقيقة أنه بعد كل تحرك في الاتجاه المتوقع، فإن السعر سيعكس مؤقتا حيث يأخذ التجار أرباحهم والمشاركين المبتدئين يحاولون التداول في الاتجاه المعاكس. هذه التراجع أو التصحيحات في الواقع تقدم التجار المحترفين مع سعر أفضل بكثير التي للدخول في الاتجاه الأصلي قبل استمرار هذه الخطوة. عند دعم التعادلات التداول والمقاومة كما يستخدم، كما هو الحال مع الانفجارات. التحليل الأساسي هو أيضا حاسمة لهذا النوع من التداول. عندما تم اتخاذ الخطوة الأولية التجار سوف يكون على بينة من مستويات الأسعار المختلفة التي تم بالفعل اختراق في الخطوة الأصلية. أنها تولي اهتماما خاصا لمستويات رئيسية من الدعم والمقاومة والمناطق على الرسم البياني للسعر مثل مستويات 00. هذه هي المستويات التي سوف تبدو لشراء أو بيع من وقت لاحق. يتم استخدام التعديالت فقط من قبل التجار خالل األوقات التي يتم فيها تغيير المشاعر قصيرة األجل من خالل األحداث االقتصادية واألخبار. هذا الخبر يمكن أن يسبب صدمات مؤقتة للسوق مما يؤدي إلى هذه التصحيحات ضد اتجاه الخطوة الأصلية. قد لا تزال الأسباب الأولية للتحرك في مكانها ولكن الحدث على المدى القصير قد يسبب المستثمرين لتصبح عصبية وتأخذ أرباحها، والذي بدوره يؤدي إلى الارتداد. لأن الشروط الأولية تبقى هذا ثم يقدم للمستثمرين المحترفين الآخرين فرصة للعودة إلى هذه الخطوة في سعر أفضل، والتي غالبا ما تفعل. وعادة ما يكون تداول الارتداد غير فعال عندما لا تكون هناك أسباب أساسية واضحة للتحرك في المقام الأول. لذلك إذا رأيت خطوة كبيرة ولكن لا يمكن التعرف على سبب أساسي واضح لهذا التحرك الاتجاه يمكن أن يتغير بسرعة وما يبدو أنه ارتداد يمكن أن تتحول في الواقع إلى أن تكون خطوة جديدة في الاتجاه المعاكس. وهذا سوف يؤدي إلى خسائر لأي شخص يحاول التجارة بما يتماشى مع الذكاء المنقول الأصلي وعلم الأعصاب 1 قسم علوم الحاسوب وهندسة المعلومات، جامعة كاوشيونغ الوطنية، كاوشيونغ 811، تايوان 2 قسم الهندسة الكهربائية، جامعة تشياي الوطنية، مدينة تشياي 60004 ، تايوان تلقى 21 كانون الأول / ديسمبر 2014 منقحة 6 آذار / مارس 2015 مقبول 14 آذار / مارس 2015 المحاضر الأكاديمي: راهيب أبييف حقوق النشر 2015 شين-فنغ هوانغ إت آل. هذه هي مقالة الوصول المفتوح الموزعة تحت رخصة المشاع الإبداعي. والتي تسمح بالاستخدام غير المقيد والتوزيع والاستنساخ في أي وسيط، بشرط ذكر العمل الأصلي بشكل صحيح. تداول الأزواج هو مجال بحثي مهم وصعب في مجال التمويل الحسابي، حيث يتم شراء وبيع أزواج من الأسهم في مجموعات الزوجين لفرص المراجحة. الطرق التقليدية التي تحل هذه المجموعة من المشاكل تعتمد في الغالب على الأساليب الإحصائية مثل الانحدار. وعلى النقيض من النهج الإحصائية، فإن التطورات الحديثة في الذكاء الحسابي تؤدي إلى فرص واعدة لحل المشاكل في التطبيقات المالية على نحو أكثر فعالية. في هذه الورقة، نقدم منهجية جديدة لتداول أزواج باستخدام الخوارزميات الجينية (غا). وأظهرت نتائجنا أن النماذج القائمة على غا قادرة على التفوق بشكل ملحوظ على المعيار، وطريقة المقترحة لدينا قادرة على توليد نماذج قوية لمعالجة الخصائص الديناميكية في التطبيق المالي المدروسة. واستنادا إلى النتائج الواعدة التي تم الحصول عليها، فإننا نتوقع هذه الطريقة المستندة إلى غا لتطوير البحث في الذكاء الحسابي للتمويل وتوفير حل فعال لتداول أزواج للاستثمار في الممارسة. 1. مقدمة في العقود الماضية، ونظرا لعدم فعالية النهج الإحصائية التقليدية، مثل أساليب التحليل القائم على الانحدار وتحليل العوامل من أجل حل المشاكل المالية الصعبة، والمنهجيات الناجمة عن الذكاء الحسابي، بما في ذلك النظرية غامض، الشبكات العصبية الاصطناعية (آن)، (سفم)، والخوارزميات التطورية (إي)، وقد وضعت كبدائل أكثر فعالية لحل المشاكل في المجال المالي 1. 2. ومن بين التقنيات القائمة على الاستثمار الدولي التي تم دراستها للتمويل، يمكن تصنيف النماذج كمجالين رئيسيين للتطبيقات: (1) اختيار الأسهم وإدارة المحافظ والتحسين 3 6 و (2) التنبؤ بالسلاسل الزمنية المالية 7. 8. وبالنسبة للفئة الأولى، تشمل أعمال البحث السابقة تحليل القرارات السمة المتعددة الضبابية لبناء المحفظة 9. استخدم زرغام وسايح 10 نظاما مبهما على أساس القواعد لتقييم مجموعة من الأسهم لنفس المهمة. وشبادوس وبنجيو 11 الشبكات العصبية المدربة لتقدير والتنبؤ سلوك الأصول لتسهيل اتخاذ القرارات في توزيع الأصول. في تطبيقات إي على طول هذا الخط من البحث، بيكر وآخرون. 12 البرمجة الجينية المستخدمة (غب) لتطوير نماذج ترتيب الأسهم للسوق الأمريكية. لاي وآخرون. 13 يستخدم غا مزدوج المرحلة لتحديد الأسهم من بورصة شانغهاى للفترة الزمنية من 2001 إلى 2004. في لاي و al. s العمل، وتستخدم روس، إبس، بي، ونسب السيولة لترتيب الأسهم، وأنها تستخدم الجمعية العامة لحساب النسبة المثلى لرأس المال المخصص لكل من الأصول. لاي وآخرون. ثم خلصت إلى أن طريقة التحسين القائم على غا هي أكثر فعالية للتطبيقات المالية من الشبكات العصبية غامض أو الاصطناعي. في الآونة الأخيرة، وضعت هوانغ 5 نموذج هجين آلة التعلم القائم على تحديد مجموعات واعدة من الميزات ومعلمات نموذج الأمثل وقد أثبتت نموذج هوانغس لتكون أكثر فعالية من المعيار وبعض الطرق الإحصائية التقليدية لاختيار الأسهم. لتحسين أداء النماذج القائمة على غا واحد الهدف، ومؤخرا، تشن وآخرون. اقترح 14 طريقة متعددة الأغراض غا تستند إلى أهداف زيادة عائد الاستثمار والحد من المخاطر في وقت واحد. في هذا النهج، استخدم المؤلفون الفرز غير المجزأ للبحث عن حلول غير مقسمة وأظهر أن طريقة متعددة الأغراض تفوقت على صيغة واحدة الهدف التي اقترحها هوانغ 5. وهناك دراسة شعبية أخرى للذكاء الحسابي كانت تتعلق بشكل خاص بالتنبؤ بسلاسل زمنية مالية. وهناك قدر معين من البحوث يستخدم تقنيات التعلم الشبكي، بما في ذلك تغذية إلى الأمام، وظيفة أساس شعاعي أو المتكررة 7 ن، و سفم 8. كما أن الأساليب الذكية الأخرى، مثل نماذج الانحدار المتطورة وراثيا 15، وأنظمة الاستدلال الغامض الاستقرائي 16، كانت متوفرة أيضا في الأدب. أزواج التداول 17 هو مجال بحثي مهم من التمويل الحسابي الذي يعتمد عادة على بيانات سلسلة زمنية من سعر السهم للاستثمار، حيث يتم شراء الأسهم وبيعها في أزواج لفرص المراجحة. وهي استراتيجية مضاربة معروفة في الأسواق المالية التي تم تطويرها في الثمانينيات من القرن الماضي، وقد تم توظيفها كأداة استثمار أسهم طويلة الأجل هامة من قبل صناديق التحوط والمستثمرين المؤسسيين 18. على الرغم من أن هناك قدرا كبيرا من الدراسات القائمة على سي في التطبيقات المالية، والبحوث التي تستند إليها سي لتداول أزواج متفرق ويفتقر إلى تحليل جدي. حتى الآن، العديد من الأعمال القائمة على طول هذا الخط من البحوث تعتمد على الأساليب الإحصائية التقليدية مثل نهج التكامل المشترك 19، مرشحات كالمان 20. 21، وتحليل المكون الأساسي 18. في منطقة سي، ثوميديس إت آل. 17 استخدام طريقة الشبكات العصبية للشركات المقترنة من إنفوسيس و ويبرو في الهند وعائد معقول على الاستثمار باستخدام زوج من الأسهم. ساكس ومارينجر 22 استخدمت البرمجة الوراثية لمختلف أزواج من الأسهم في الأسهم يوروستوكس 50 ووجدت أيضا استراتيجيات تداول الزوج جيدة. على الرغم من وجود هذه الدراسات السابقة على أساس سي لتداول أزواج، فإنها تفتقر إلى تحليل جدي مثل طريقة التحقق الزمني المستخدمة في 5. 23 لمزيد من تقييم متانة النظم التجارية. وبالإضافة إلى ذلك، في هذه الدراسات السابقة، تم بناء نماذج التداول باستخدام اثنين فقط من الأسهم كزوج التداول هنا، نقترح نهجا المعمم الذي يستخدم أكثر من اثنين من الأسهم كمجموعة تجارية للمراجحة من أجل زيادة تحسين أداء النماذج . في هذه الدراسة، ونحن أيضا توظيف الجمعية العامة لمشاكل التحسين في نماذج التحكيم المقترحة لدينا. في دراسة سابقة 23، هوانغ وآخرون. مقارنة الانحدار الخطي التقليدي والجمعية العامة لمهمة اختيار الأسهم وأظهرت أن النموذج القائم على غا قادر على التفوق على نموذج الانحدار الخطي. وبدافع من هذا العمل البحثي، فإننا نعتزم توظيف الجمعية العامة لتحسين نظامنا الذكي لتداول الأزواج، وستظهر النتائج التجريبية أن منهجنا المقترح القائم على أساس غا يعد واعدا في أداء الأداء القياسي. وعلاوة على ذلك، وعلى النقيض من الأساليب التقليدية أزواج التداول التي تهدف إلى مطابقة أزواج من الأسهم ذات خصائص مماثلة، وتبين لنا أيضا أن أسلوبنا قادر على بناء نماذج تداول العمل للأسهم ذات خصائص مختلفة. في هذه الدراسة، ونحن أيضا التحقيق في متانة الأسلوب المقترح لدينا، وتشير النتائج إلى أن أسلوبنا هو فعال حقا في توليد نماذج قوية للبيئة الديناميكية للمشكلة تداول أزواج. وتنقسم هذه الورقة إلى أربعة أقسام. القسم 2 يوضح الطريقة المقترحة في دراستنا. في القسم 3. نحن تصف البيانات البحثية المستخدمة في هذه الدراسة وعرض النتائج والمناقشات التجريبية. ويختتم القسم 4 هذه الورقة. 2. المواد والطرق في هذا القسم، ونحن نقدم الخلفية ذات الصلة والأوصاف لتصميم لدينا أزواج-أنظمة التداول باستخدام غا لتحسين النموذج. 2.1. أزواج التداول أزواج التداول على نطاق واسع هو أن يكون سلفا من المراجحة الإحصائية، وهي استراتيجية التداول لكسب الربح من التناقضات التسعير في مجموعة من الأسهم 17. ويعتمد اتخاذ القرارات التقليدية للاستثمار عادة على أساسيات الشركات لتقييم قيمتها وسعرها، وفقا لذلك. وبما أن القيم الحقيقية للمخزونات نادرا ما تعرف، فقد تم تطوير تقنيات تداول أزواج من أجل حل ذلك عن طريق استثمار أزواج الأسهم ذات الخصائص المماثلة (مثل المخزونات من نفس الصناعة). هذا التبسيط المتبادل بين اثنين من الأسهم هو من الناحية النظرية التي صيغتها فكرة انتشار، والذي يستخدم لتحديد المواقف النسبية عندما يؤدي السوق غير فعالة في سوء تقدير المخزونات 18. 21. ونتيجة لذلك، فإن نموذج التداول عادة ما يكون محايدا في السوق بمعنى أنه غير مرتبط بالسوق ويمكن أن ينتج استراتيجية استثمار منخفضة التذبذب. وهناك شكل نموذجي من تداول أزواج الأسهم يعمل من خلال بيع الأسهم بسعر مرتفع نسبيا وشراء الآخر بسعر منخفض نسبيا عند بداية فترة التداول، ويتوقع أن أعلى واحد سوف تنخفض في حين أن أقل واحد سوف ترتفع في مستقبل. الفجوة السعرية للأسهم اثنين، المعروف أيضا باسم انتشار، وبالتالي بمثابة إشارة إلى مواقف مفتوحة وقريبة من أزواج من الأسهم. خلال فترة التداول، يتم فتح المركز عندما يتسع الفارق بعتبة معينة، وبعد ذلك يتم إغلاق المراكز عند عودة الأسهم. والهدف من هذه الاستراتيجية القصيرة الأجل هو الربح من حركة الانتشار التي من المتوقع أن تعود إلى متوسطها على المدى الطويل. النظر في رأس المال الأولي مع معدل الفائدة من السنة وتردد من مضاعفة في السنة يمكن التعبير عن رأس المال بعد عام حيث هو عملية ثابتة، يعني عودته الانجراف صغير بالمقارنة مع تقلبات ويمكن إهمال في العديد من التطبيقات. والأساس المنطقي وراء عملية العائد الوسطي هو وجود توازن طويل الأجل (متوسط) للانتشار. ويجوز للمستثمر أن يراهن على عودة الفائض الحالي إلى متوسطه التاريخي من خلال بيع وشراء كمية مناسبة من زوج الأسهم. كما (5) يظهر، واحد يتوقع عوائد الأسهم وتتبع بعضها البعض بعد السيطرة على السليم. ويقترح هذا النموذج استراتيجية الاستثمار التي يذهب واحد طويل 1 دولار من الأسهم والقصيرة دولار من الأسهم إذا كان صغيرا. على العكس من ذلك، إذا كان كبيرا، واحد يأخذ استراتيجية المعاكس الذي يذهب قصيرة وطويلة. ونتيجة لذلك، قد تتأرجح عودة المحفظة القصيرة األجل حول التوازن اإلحصائي. في الممارسة في العالم الحقيقي، وعودة المحفظة قصيرة قصيرة أعلاه لفترة من الزمن يمكن حسابها على النحو التالي: حيث والدلالة على سعر الأسهم حيث نحن طويلة في الوقت المناسب و. على التوالي، والدلالة على سعر الأسهم حيث أننا قصيرة في الوقت المناسب و. على التوالي. ويمكن تعميم طريقة التداول بين الزوجين على مجموعة من الأرصدة يمكن فيها تحديد التبسيط من خلال مزيج سليم من الأصول التي تكون سلسلتها الزمنية عائدة إلى التراجع. النظر في مجموعة من الأصول، والسلسلة الزمنية المناظرة لأسعار الأسهم، يمكن أن يعتبر سوء التسعير الإحصائي على أنه تركيبة خطية حيث تمثل عملية عائد متوسط ​​وناقلات نسب رأس المال المخصص لكل أصل في المحفظة. ويشير متوسط ​​الانعكاس في المعادلة أعلاه إلى الافتراض بأن كلا من الأسعار المرتفعة والمنخفضة للأصل الاصطناعي مؤقت وأن سعره يميل إلى التحرك نحو متوسط ​​السعر على مر الزمن. 2.2. أنظمة التداول 2.2.1. نماذج توقيت السوق في هذا العمل، فإن المتوسط ​​الطويل الأجل لسعر الأصول في العملية المتوسطة العائدة يمكن أن يكون على غرار المتوسط ​​المتحرك المشهور 24، وهو متوسط ​​سعر الأصل في فترة محددة. دعونا يكون سعر الأسهم في الوقت المحدد. المتوسط ​​المتحرك في الوقت المحدد. متوسط ​​الأسعار المقابلة لآخر الفترات الزمنية، كما هو موضح في هذه الدراسة، ونحن توظيف البولنجر باند 24 لتحديد ما إذا كان انتشار زوج من الأسهم يخرج من قيمته الديناميكية متوسط. عادة، يصف البولنجر باندز فرقتي تقلب توضعان فوق وتحت المتوسط ​​المتحرك، حيث يمكن تعريف التقلب على أنه مضاعف الانحراف المعياري للأسعار في الماضي. رسميا يمكن تعريف البولنجر باند على النحو التالي: حيث هو الانحراف المعياري للأسعار، في الوقت المناسب. على مدى الفترات الزمنية الماضية معلمة تستخدم للسيطرة على عرض النطاقين العلوي والسفلي للمتوسط ​​المتحرك. ويتمثل أحد العناصر الهامة في نظام تجاري ناجح في بناء نماذج لتوقيت السوق التي تحدد نقاط دخول وخروج ذات مغزى في السوق. في هذه الدراسة، سوف نستخدم المتوسطات المتحركة و بولينجر باندز لتطوير نظام التداول، الموصوف في القسم التالي. 2.2.2. استراتيجية التداول وتقييم الأداء نحسب انتشار الأصول الاصطناعية الناتجة عن حيث. هو سعر الأسهم في الوقت المحدد. و s هي معلمات نموذج تداول أزواج المعمم التي يتم تقديرها. في هذا العمل نقوم بتعيين إستراتيجية التداول لواحد لشراء البيع مباشرة بعد حصوله على انحرافات معيارية دون (فوق) قيمته المتوسطة ويتم إغلاق المركز مباشرة بعد الاقتراب من الانحرافات المعيارية عن متوسطه وهنا نقوم بتقييم أداء نظام التداول من حيث عائده المركب، والذي سيتم تحديده من خلال البارامترات ذات الصلة لنماذج التداول المستخدمة. نحدد أولا عودة نظام التداول للمكان الذي يدل على مجموعة من معلمات النموذج. ثم يتم استخدام مقياس الأداء الذي نستخدمه هنا من خلال إجمالي العائد التراكمي (المركب)، حيث يتم تعريفه من خلال ناتج العوائد على الصفقات المتتالية، ولذلك، في عملية نمو رأس المال، يكون رأس المال في نهاية الصفقات حيث يمثل رأس المال الأولي. 2.3. تحسين أنظمة التداول بالنظر إلى توقيت السوق ونماذج تداول الأزواج، يجب تعزيز أداء نظام التداول بقيم مناسبة لمعلمات النموذج المناظرة. وفيما يتعلق بنماذج توقيت السوق، تشمل المعلمات الفترة الخاصة بالمتوسط ​​المتحرك والمعلمات وبطاريات بولينجر التي تتحكم في مضاعفات الانحرافات المعيارية للمتوسط ​​المتحرك لنقاط الدخول والخروج. وبالنسبة لنموذج التداول بين الزوجين، تتكون المعلمات من مجموعة شروط الترجيح في الأصل النحوي من (10). في هذه الدراسة، نقترح استخدام الخوارزميات الجينية (غا) للبحث عن البارامترات المثلى لنظام التداول. سنقوم بوصف أساسيات غا وكذلك مخطط التحسين المقترح لدينا في ما يلي. وقد استخدمت الخوارزميات الجينية 25 كنماذج محاكاة حاسوبية للنظم التطورية الطبيعية وخوارزميات تكيفية لحل مشاكل التحسين المعقدة في العالم الحقيقي. ويكمن جوهر هذه الفئة من الخوارزميات في إنتاج هياكل جينية جديدة، على طول مسار التطور، توفر ابتكارات لحل هذه المشكلة. عادة، تعمل الجمعية العامة على مجموعة متطورة من العوامل الاصطناعية التي يمكن أن تكون تركيبة بسيطة مثل سلسلة الثنائية التي ترميز حل للمشكلة في متناول اليد والنمط الظاهري الذي يمثل الحل نفسه. في كل تكرار، يتم إنشاء جيل جديد من خلال تطبيق كروس والتحور للمرشحين المختارين كوالدين. يحدث التطور من خلال الاختلاف العشوائي المتكرر من الأنماط الجينية واختيار النمط الظاهري مناسبا في بيئة تقوم على مدى حل الحلول الفردية للمشكلة. في تصميم ترميزنا المقترح، تم تكوين تركيبة كروموسوم ليتألف من أربعة أجزاء تشفر معلمة الفترة للمتوسط ​​المتحرك والمضاعفات والانحرافات المعيارية ل بولينجر باندز ومجموعة معاملات الترجيح ل أزواج التداول نموذج من (10). هنا نستخدم مخطط الترميز ثنائي لتمثيل كروموسوم في الجمعية العامة. في الشكل 1. لوكي تمثل ترميز لفترة المتوسط ​​المتحرك. تمثل لوسي ترميز و بولينجر باندز، على التوالي. وأخيرا، يمثل الموقع ترميز معامل الترجيح. الشكل 1: ترميز كروموسوم. في مخطط الترميز لدينا، الكروموسوم الذي يمثل الأنماط الجينية للمعلمات هو أن تتحول إلى النمط الظاهري من قبل (13) أدناه لمزيد من حساب اللياقة البدنية. وتعتمد الدقة التي تمثل كل معلمة على عدد البتات المستخدمة لترميزها في الكروموسوم الذي يحدد على النحو التالي: حيث يكون النمط الظاهري المقابل للمعلمة المحددة والقيم الدنيا والقصوى للمعلمة هي القيمة العشرية المقابلة ( يجري اقتطاعها إلى أعداد صحيحة إذا كانت المعلمة من نوع صحيح)، وهي طول الكتلة المستخدمة لترميز المعلمة في الكروموسوم. مع هذا المخطط، ونحن نحدد وظيفة اللياقة البدنية للكروموسوم والعائد السنوي للنظام التجاري على مدى سنوات من الاستثمار: حيث هو مجموع العائد التراكمي يحسب من قبل (11). إن نظام التحكيم العام القائم على غا هو عملية متعددة المراحل، بما في ذلك التحسين المتزامن على معاملات الترجيح للأسهم، وفترة المتوسط ​​المتحرك، وعرض نطاقات بولينجر. المدخلات للنظام هو سلسلة زمنية مجموعات البيانات من سعر السهم. لأي تركيبات معينة من معلمات نموذج للمتوسط ​​المتحرك، البولنجر باند، ومعاملات الترجيح للأسهم، ونحن توظيف نظام التداول أزواج التداول للاستثمار. في هذا العمل، يتم تحديد توقيت التداول على أنه شراء (بيع) حق الانتشار بعد أن يصل إلى مسافة معينة (مقاسة بالانحرافات المعيارية للمتوسط) أدناه (فوق) المتوسط ​​ثم يتم إغلاق المركز مباشرة بعد الانتشار يقترب من المتوسط. يتم تحديد المخزونات التي تكون طويلة أو قصيرة وفقا لشروط الترجيح في الأصل النحوي من (10). ثم نحسب العوائد المقابلة لتقييم أداء النظام. في هذه الدراسة، يتم استخدام غا كأداة التحسين الأمثل في وقت واحد من هذه المعلمات نموذج. الإخراج النهائي هو مجموعة من نماذج المعلمات (الأمثل من قبل الجمعية العامة) الذي يصف أزواج التداول وتوقيت النماذج. ويوجز الرسم البياني لهذا النظام التجاري القائم على غا في الشكل 2. الشكل 2: مخطط تدفق نظام التحكيم المستندة إلى غا. 3. النتائج والمناقشة في هذا القسم ندرس أداء أسلوبنا المقترح لأنظمة تداول الزوجين. نحن نستخدم مجموعتين من الأسهم المدرجة في بورصة تايوان للتوضيح: (1) مجموعة من 10 أسهم ذات خصائص مماثلة من صناعة أشباه الموصلات، وهو القطاع الصناعي الأكثر أهمية في تايوان على مدى العقدين الماضيين، و (2) مجموعة من 10 أسهم مع أكبر القيمة السوقية من مختلف القطاعات، والتي تدل على الخصائص الصناعية المميزة في تايوان. 3.1. 10 مخزونات من صناعة أشباه الموصلات استخدمت العوائد اليومية لأسهم أشباه الموصلات العشرة في تايوان من عام 2003 إلى عام 2012 لدراسة أداء نظام التداول المحسن من قبل غا. ويبين الجدول 1 الأسهم العشرة المستخدمة في هذا القسم الفرعي. ويعرض الشكل 3 مثالا على منحنى أفضل إلى حد بعيد للعائد المتراكم (أي مجموع العائد التراكمي) الذي حققته الجمعية العامة على مدى 50 أجيالا. (من أجل دراسة نوعية الحلول مع مرور الوقت، مقياس الأداء التقليدي ل غا هو منحنى أفضل حتى الآن الذي يحدد اللياقة البدنية من أفضل الفرد الذي شوهد حتى الآن من قبل الجيل، أي نقطة في البحث الفضاء الذي يحسن وظيفة الهدف حتى الآن. بالإضافة إلى ذلك، في هذه الدراسة، وتستخدم التجارب غا اختيار البطولة الثنائية 26، نقطة واحدة كروس، ومعدلات طفرة 0.7 و 0.005، كما نستخدم 10 بت لتشفير كل متغير في الكروموسوم واستخدام 50 فردا لحجم السكان في كل جيل.) يوضح هذا الشكل كيف أن الجمعية العامة تبحث عن حلول على مدى تطور لتحسين أداء النظام التجاري تدريجيا. الجدول 1: مخزونات أشباه الموصلات العشرة المستخدمة في هذه الدراسة. الشكل 3: مثال لأفضل منحنى بعيد حتى من قبل الجمعية العامة. ويعرض الشكل 4 توضيحا للعائد المتراكم للمقياس المعياري وعائد نموذجنا المستند إلى غا. (في هذه الدراسة، يعرف المعيار بأنه طريقة الشراء والشراء التقليدية حيث نقوم بتخصيص رأس المال بنفس النسبة لكل سهم ويتم احتساب العائد المتراكم كمنتج لمتوسط ​​العائد اليومي لجميع الأسهم العشرة فوق 10 سنوات أي المستثمر يستثمر جميع رأس المال في الأسهم في البداية وبيع كل منهم فقط في نهاية مسار الاستثمار). ويوضح هذا الرقم أن النموذج القائم على غا يتفوق تدريجيا على المعيار وتفاوت الأداء يصبح كبيرا جدا في في نهاية العام 2012. وعلى عكس طريقة الشراء والاستحواذ التي تخصص رأس المال بنسب متساوية لكل سهم، فإن الجمعية العامة تبحث بشكل استباقي عن النسب المثلى للمراكز الطويلة أو القصيرة لكل أصل من أجل بناء الفارق بنسبة (10). وبالإضافة إلى ذلك، فإن الجمعية العامة تبحث أيضا عن التوقيت الأمثل لشراء وتقصير الأسهم بشكل حيوي باستخدام البولنجر باندز. في دراستنا هنا، يتم تحسين معاملات الترجيح لنسب رأس المال المخصص للأسهم، وفترة المتوسط ​​المتحرك، وعرض البولنجر باند في وقت واحد. ونتيجة لذلك، في منهجيتنا المقترحة، نظام التداول الأمثل من قبل الجمعية العامة هو مركب من نماذج المراجحة وسوق توقيت الأمثل. وبالتالي، يمكن للمرء أن يتوقع أن تكون الجمعية العامة مفيدة لبناء أنظمة المراجحة والشكل 4 يظهر في الواقع أن النموذج القائم على غا يتفوق على المعيار في المدى الطويل. لذلك، تسلط هذه النتائج بعض الضوء على كيفية التحسين من قبل الجمعية العامة قد تكون مفيدة لنموذج التداول أزواج. الشكل 4: العائد المتراكم للمقياس المعياري مقابل النموذج المستند إلى غا لأشكال أشباه الموصلات العشر من السنوات 2003 إلى 2012. من أجل مواصلة دراسة صحة أسلوبنا المقترح، يتم إجراء التحقق الإحصائي على النماذج في هذه الدراسة. في الواقع، يجب اختبار النموذج المستخلص باستخدام بيانات التدريب من خلال بيانات غير مرئية. هنا، كما هو مبين في الشكل 5. نستخدم بيانات الأسهم من عدة أرباع الأولى لتدريب النموذج، ويتم استخدام البيانات المتبقية للاختبار. هذا الإعداد هو توفير مجموعة من عمليات التحقق الزمنية لفحص فعالية النماذج في البيئة الديناميكية للمشاكل المالية، والتي تختلف عن إجراء التحقق من صحة العادية العادية حيث يتم تقسيم عملية البيانات إلى مجموعتين مستقلتين بشكل عشوائي عدة مرات دون الأخذ بعين الاعتبار الترتيب الزمني دتس. ومع ذلك، في الدراسة المالية هنا، والنظام الزمني أمر بالغ الأهمية لأن واحد يرغب في استخدام جميع البيانات المتاحة حتى الآن لتدريب النموذج وتطبيق النماذج في المستقبل لتحقيق الأرباح. الشكل 5: التحقق الزمني. في مرحلة التدريب من كل تف، ونحن إجراء 50 أشواط ل غا ويتم فحص أفضل نموذج المستفادة من كل تشغيل في مرحلة الاختبار. في كل من مرحلتي التدريب والاختبار، يتم احتساب إجمالي العائد التراكمي (العائد المتراكم) لنموذج خلال الأرباع ويحسب العائد السنوي المقابل بنسبة (14). ثم يتم حساب متوسط ​​العائد السنوي لأفضل 50 نموذجا في كل تلفزيون وعرضه لمراحل التدريب والاختبار في الجدول 2. وفي هذا الجدول، نقدم أيضا العائد القياسي السنوي لمزيد من المقارنة مع النماذج المستندة إلى غا، حيث يكون التراكمي يتم احتساب العائد اإلجمالي للمعيار من ناتج متوسط ​​العائدات الفصلية لمخزون أشباه الموصلات العشرة خالل فترة التدريب أو االختبار، ويتم احتساب العائد السنوي المقابل مرة أخرى بمقدار) 14 (. الجدول 2: مقارنات العوائد السنوية للنموذج المستند إلى غا والمعيار المرجعي لأسهم أشباه الموصلات العشرة من عام 2003 إلى عام 2012. وفي الجدول 2. يبين التفتيش على وسائل العوائد النموذجية السنوية أنه في جميع أجهزة التلفزيون ال 39 حالة التدريب تتفوق الطريقة المستندة إلى غا على المعيار. وبالنسبة لمرحلة الاختبار، في 30 حالة من أصل 39 حالة تتفوق الطريقة المستندة إلى غا على المعيار. ويعرض الشكل 6 أيضا نظرة مرئية على هذا التناقض في الأداء للطريقتين في مرحلة الاختبار. كما يمكن أن يرى، في معظم أجهزة التلفاز، والعائد السنوي للنموذج القائم على غا أكبر من ذلك من المعيار. هذه النتائج تثبت بالتالي لدينا طريقة تستند إلى غا واعدة لحل مشكلة أزواج التداول. الشكل 6: متوسط ​​العائد السنوي لأعلى 50 نموذجا من نماذج غا مقابل المعيار (في كل تلفزيون من مرحلة الاختبار) بالنسبة إلى 10 مخزونات أشباه الموصلات من عام 2003 إلى عام 2012. 3.2. 10 أسهم مع أكبر رأس مال السوق بعد ذلك نستخدم 10 أسهم من أكبر القيمة السوقية المدرجة في بورصة تايوان لمواصلة دراسة الطريقة المقترحة لدينا. واستخدمت العائدات اليومية للأسهم من عام 2003 إلى عام 2012 مرة أخرى لمهمة التحسين من قبل الجمعية العامة. ويبين الجدول 3 الأسهم العشرة التي لديها أكبر سقف سوقي يستخدم في هذه الدراسة. الجدول 3: أكبر 10 أسهم من أسهم السوق المستخدمة في هذه الدراسة. ويعرض الشكل 7 توضيحا للعائد المتراكم للمقياس المعياري (الذي يعرف مرة أخرى بأنه نتاج متوسط ​​العائد اليومي لأكبر 10 أسهم من أسهم السوق على مدى السنوات العشر) ونموذجنا المستند إلى معايير عامة. وكما يتضح من ذلك، فإن النموذج القائم على مبادئ المحاسبة العامة يتفوق تدريجيا على المؤشر على مدى الاستثمار خلال السنوات من 2003 إلى 2012، ويصبح التناقض في الأداء كبيرا في نهاية العام 2012. ويوضح هذا الشكل كيف يمكن أن يتفوق النموذج القائم على مبادئ عامة المعيار في المدى الطويل. الشكل 7: العائد المتراكم للمقياس المعياري مقابل النموذج القائم على أساس غا لأكبر 10 مخزون للأسهم السوقية من عام 2003 إلى عام 2012. ومن أجل التحقق الزمني من خلال نفس الإجراء المستخدم في القسم الفرعي السابق، يبين الجدول 4 العائد المعياري السنوي متوسط ​​العائد النموذجي السنوي لحالات التدريب والاختبار. وكما يتبين من وسائل العائد النموذجي السنوي في حالة التدريب، فإن الأسلوب القائم على غا يتفوق على المعيار في جميع أجهزة التلفاز 39. وبالنسبة لمرحلة الاختبار، في 29 حالة من أصل 39 حالة تفوق الطريقة المستندة إلى غا المعيار المعياري أيضا. ويعرض الشكل 8 النتائج في الجدول 4 لكل تلفزيون في مرحلة الاختبار. ومن ثم، فإن فحص الشكل 8 يبين أنه في 29 من أصل 39 تلفزيونا، تتفوق النماذج القائمة على غا على المؤشر القياسي من حيث العائدات السنوية. الجدول 4: مقارنات العوائد السنوية للنموذج القائم على مبادئ المحاسبة العامة والمعيار المرجعي لأكبر 10 أسهم في السوق من السنوات 2003 إلى 2012. الشكل 8: العائد السنوي المتوسط ​​لأفضل 50 نموذجا من نماذج غا مقابل المعيار (في كل منها تف مرحلة الاختبار) لأكبر 10 أسهم في السوق من السنوات 2003 إلى 2012. 3.3. نموذج المتانة وأخيرا، فإننا ندرس متانة النماذج الناتجة عن طريقتنا باستخدام مقياس الدقة درس في 5، والذي يعرف بأنه في هذا التعريف، والدلالة على عدد من الايجابيات الحقيقية والإيجابيات الكاذبة، على التوالي. في هذه الدراسة، يحدث إيجابي حقيقي عندما يتفوق نموذج الأداء القياسي في التدريب، وتبين لاحقا أن يتفوق على المعيار في الاختبار، وكذلك خلاف ذلك، فإن النموذج يولد إيجابية كاذبة. هذه الإحصائية هي مقياس مهم يشير إلى ما إذا كانت الطريقة المقترحة لدينا يمكن أن تولد نماذج قوية عندما تكون المشكلة في بيئة ديناميكية، مثل المشكلة المالية التي تمت دراستها هنا. وفي العادة، إذا كانت الطريقة تولد نموذجا يتفوق على المؤشر المعياري في مرحلة التدريب، يود المرء أن يواصل النموذج تفوق الأداء المعياري في مرحلة الاختبار. لذلك، إذا كانت الطريقة المقترحة لدينا قادرة على توليد العديد من الايجابيات الحقيقية التي تؤدي إلى دقة عالية، بل هو مؤشر على أن أسلوبنا فعال في توليد نماذج قوية. الجدول 5 يعرض نتائج الدقة لأشباه الموصلات 10 وأكبر أسهم السوق. وكما يتبين من النتائج، تبين النتائج أن دقة أسلوبنا المقترح هي أكثر من 0.7 في كلتا الحالتين، مما يشير إلى أن أسلوبنا المقترح فعال بالفعل. الجدول 5: الدقة بالنسبة لأشباه الموصلات العشر وأكبر أسهم السوق. 4. الاستنتاجات في هذه الورقة، قدمنا ​​منهجية على أساس غا لتطبيق تداول أزواج في التمويل الحسابي. من أجل فحص صحة المنهجية المقترحة، أجرينا التحقق الإحصائي على النماذج المستفادة لحساب النظام الزمني والخصائص الديناميكية للبيانات الأسهم، وهو أمر بالغ الأهمية للاستثمار في العالم الحقيقي كما عمليا يتوقع المرء النماذج التي شيدت لكسب الأرباح في المستقبل. من خلال الاستفادة المثلى من المعلمات لنماذج التداول لمجموعة من الأسهم، أظهرت النتائج التجريبية أن لدينا طريقة تستند غا قادرة على تفوق بشكل ملحوظ على المعيار ويمكن أن تولد نماذج قوية لتداول أزواج. وبالتالي فإننا نتوقع هذه الطريقة المستندة إلى غا لدفع البحوث في الذكاء الحسابي للتطبيقات المالية وتوفير حل واعد لتداول أزواج. Conflict of Interests The authors declare that there is no conflict of interests regarding the publication of this paper. Acknowledgments This work is fully supported by the National Science Council, Taiwan, under Grant no. MOST 103-2221-E-390-019. The authors would also like to thank Professor Chih-Hsiang Chang for his generosity in providing the financial data. References A. M. Farley and S. Jones, Using a genetic algorithm to determine an index of leading economic indicators, Computational Economics . المجلد. 7, no. 3, pp. 163173, 1994. View at Publisher View at Google Scholar View at Scopus A. Mochxf3n, D. Quintana, Y. Sxe1ez, and P. Isasi, Soft computing techniques applied to finance, Applied Intelligence . المجلد. 29, no. 2, pp. 111115, 2008. View at Publisher View at Google Scholar View at Scopus K.-J. Kim and I. Han, Genetic algorithms approach to feature discretization in artificial neural networks for the prediction of stock price index, Expert Systems with Applications . المجلد. 19, no. 2, pp. 125132, 2000. View at Publisher View at Google Scholar View at Scopus Y. Becker, P. Fei, and A. Lester, Stock selectionx2014an innovative application of genetic programming methodology, in Genetic Programming Theory and Practice IV . R. Riolo, T. Soule, and B. Worzel, Eds. المجلد. 5 of Genetic and Evolutionary Computation . chapter 12, pp. 315334, Springer, Ann Arbor, Mich, USA, 2006. View at Google Scholar C.-F. Huang, A hybrid stock selection model using genetic algorithms and support vector regression, Applied Soft Computing Journal . المجلد. 12, no. 2, pp. 807818, 2012. View at Publisher View at Google Scholar View at Scopus X. Z. Zhang, Y. Hu, K. Xie, S. Y. Wang, E. W. T. Ngai, and M. Liu, A causal feature selection algorithm for stock prediction modeling, Neurocomputing . المجلد. 14, pp. 4859, 2014. View at Publisher View at Google Scholar View at Scopus G. Zhang, B. E. Patuwo, and M. Y. Hu, Forecasting with artificial neural networks: the state of the art, International Journal of Forecasting . المجلد. 14, no. 1, pp. 3562, 1998. View at Publisher View at Google Scholar View at Scopus C.-L. Huang and C.-Y. Tsai, A hybrid SOFM-SVR with a filter-based feature selection for stock market forecasting, Expert Systems with Applications . المجلد. 36, no. 2, pp. 15291539, 2009. View at Publisher View at Google Scholar View at Scopus T.-C. Chu, C.-T. Tsao, and Y.-R. Shiue, Application of fuzzy multiple attribute decision making on company analysis for stock selection, in Proceedings of the 1996 Asian Fuzzy Systems Symposium on Soft Computing on Intelligent Systems and Information Processing . pp. 509514, Kenting, Taiwan, December 1996. View at Scopus M. R. Zargham and M. R. Sayeh, A Web-based information system for stock selection and evaluation, in Proceedings of the 1st International Workshop on Advance Issues of E-Commerce and Web-Based Information Systems . pp. 8183, 1999. View at Publisher View at Google Scholar N. Chapados and Y. Bengio, Cost functions and model combination for VaR-based asset allocation using neural networks, IEEE Transactions on Neural Networks . المجلد. 12, no. 4, pp. 890906, 2001. View at Publisher View at Google Scholar View at Scopus Y. Becker, P. Fei, and A. Lester, Stock selection: an innovative application of genetic programming methodology, in Genetic Programming Theory and Practice IV . R. Riolo, T. Soule, and B. Worzel, Eds. Springer, New York, NY, USA, 2007. View at Google Scholar K. K. Lai, L. Yu, S. Wang, and C. Zhou, A double-stage genetic optimization algorithm for portfolio selection, in Neural Information Processing: Proceedings of the 13th International Conference, ICONIP 2006, Hong Kong, China, October 3x20136, 2006, Part III . المجلد. 4234 of Lecture Notes in Computer Science . pp. 928937, Springer, Berlin, Germany, 2006. View at Publisher View at Google Scholar S.-S. Chen, C.-F. Huang, and T.-P. Hong, A multi-objective genetic model for stock selection, in Proceedings of the 27th Annual Conference of the Japanese Society for Artificial Intelligence . 2013. G. G. Szpiro, Forecasting chaotic time series with genetic algorithms, Physical Review E . المجلد. 55, no. 3, pp. 25572568, 1997. View at Google Scholar View at Scopus A. Fiordaliso, A nonlinear forecasts combination method based on Takagi-Sugeno fuzzy systems, International Journal of Forecasting . المجلد. 14, no. 3, pp. 367379, 1998. View at Publisher View at Google Scholar View at Scopus N. S. Thomaidis, N. Kondakis, and G. D. Dounias, An intelligent statistical arbitrage trading system, in Advances in Artificial Intelligence . المجلد. 3955 of Lecture Notes in Computer Science . pp. 596599, Springer, Berlin, Germany, 2006. View at Publisher View at Google Scholar M. Avellaneda and J.-H. Lee, Statistical arbitrage in the US equities market, Quantitative Finance . المجلد. 10, no. 7, pp. 761782, 2010. View at Publisher View at Google Scholar View at MathSciNet View at Scopus E. Gatev, W. N. Goetzmann, and K. G. Rouwenhorst, Pairs trading: performance of a relative-value arbitrage rule, Review of Financial Studies . المجلد. 19, no. 3, pp. 797827, 2006. View at Publisher View at Google Scholar View at Scopus C. L. Dunis, G. Giorgioni, J. Laws, and J. Rudy, Statistical arbitrage and high-frequency data with an application to Eurostoxx 50 equities, CIBEF Working Papers . CIBEF, 2010. View at Google Scholar R. J. Elliott, J. van der Hoek, and W. P. Malcolm, Pairs trading, Quantitative Finance . المجلد. 5, no. 3, pp. 271276, 2005. View at Publisher View at Google Scholar View at MathSciNet View at Scopus P. Saks and D. Maringer, Genetic programming in statistical arbitrage, in Applications of Evolutionary Computing . المجلد. 4974 of Lecture Notes in Computer Science . pp. 7382, Springer, Berlin, Germany, 2008. View at Publisher View at Google Scholar C.-F. Huang, T.-N. Hsieh, B. R. Chang, and C.-H. Chang, A comparative study of stock scoring using regression and genetic-based linear models, in Proceedings of the IEEE International Conference on Granular Computing (GrC 11) . pp. 268273, IEEE, Kaohsiung, Taiwan, November 2011. View at Publisher View at Google Scholar View at Scopus J. Murphy, Technical Analysis of Financial Markets . New York Institute of Finance, New York, NY, USA, 1999. J. H. Holland, Adaptation in Natural and Artificial Systems . The University of Michigan Press, Ann Arbor, Mich, USA, 1975. View at MathSciNet D. E. Goldberg and K. Deb, A comparative analysis of selection schemes used in genetic algorithms, in Foundation of Genetic Algorithms . pp. 6993, 1991. View at Google ScholarTrading Strategies An economic theory of total spending in the economy and its effects on output and inflation. وقد تم تطوير الاقتصاد الكينزي. حيازة أصل في محفظة. ويتم استثمار الحافظة مع توقع تحقيق عائد عليها. هذه. وهي النسبة التي وضعها جاك ترينور التي تقيس العائدات المكتسبة أكثر من تلك التي كان يمكن أن يكون حصل على دون مخاطر. إعادة شراء الأسهم القائمة (إعادة الشراء) من قبل شركة من أجل تقليل عدد الأسهم في السوق. الشركات. استرداد الضرائب هو رد على الضرائب المدفوعة للفرد أو الأسرة عندما يكون الالتزام الضريبي الفعلي أقل من المبلغ. القيمة النقدية لجميع السلع والخدمات الجاهزة المنتجة داخل حدود البلد في فترة زمنية محددة.