ارائه يك رويكرد تركيبي از يادگيري ماشين (هوش مصنوعي) و بهينه سازي در انتخاب سبد سرمايه گذاري

كارشناسي ارشد

بازده و ريسك دو عامل مهم و اساسي براي تصميم¬گيري در حوزه مسائل مالي مي¬باشند. هم¬زمان با ابداع روش¬هايي براي بهينه¬سازي پرتفوي كه در راس آن¬ها مدل ماركويتز قرار گرفته است، همواره لزوم شناخت روش¬هاي جديد براي يافتن سبد سرمايه¬اي بهينه، همواره مورد بحث پژوهش¬گران و تحليل¬گران حوزه مالي بوده است. تحقيق حاضر با اهداف علمي جهت يافتن پرتفوي بهينه انجام گرفته است. يكي از روش-هايي كه در حال حاضر محبوبيت زيادي در بين تحليل¬گران و پژوهش¬گران اين حوزه شكل گرفته، روش-هاي مبتني بر هوش مصنوعي و در پي آن روش¬هايي با هدف كاهش ريسك، هم¬چون سنجه¬هاي¬ريسك مي¬باشد. در اين تحقيق سعي شده است براي يافتن سبد سرمايه¬اي بهينه، از روش¬هاي ارزش در معرض ريسك و ارزش در معرض ريسك شرطي با رويكردي جديد و تركيبي با نظيه فازي استفاده نمود. اما قبل از آن براي فيلتركردن و كلاس¬بندي تعداد زياد سهم¬ها از الگوريتم¬هاي متفاوت و پركاربرد هوش مصنوعي جهت تعيين كلاس مثبت باتوجه به ويژگي¬هاي ارائه شده بهره برده¬ايم. در اين پژوهش ابتدا سهم¬ها با دو رويكرد تنوع صنعت و عمق بازار بالا انتخاب شده¬اند. در مرحله بعد وارد ماشين¬هاي يادگيري شده و باتوجه به ويژگي¬ها و شاخص¬هاي تكنيكال و بازدهي، عمل كلاس¬بندي بر روي آن¬ها صورت گرفته است. خروجي هر روش وارد الگوريتم جنگل تصادفي شده و پيش¬بيني به¬وسيله اين الگوريتم صورت مي¬گيرد. در مرحله آخر، پيش¬بيني به¬وسيله هركدام از روش¬هاي كلاس¬بندي براي تشكيل سبد سرمايه وارد مدل بهينه¬سازي ارزش در معرض ريسك و ارزش در معرض ريسك شرطي، با رويكرد نظريه فازي مي‌شوند. در پايان هركدام از اين روش¬ها و مراحل با بازده واقعي بازار سنجيده و مقايسه خواهند شد. لازم به ذكر است كه مقادير سطح¬اطمينان نيز در اين تحقيق نسبت به 3 سطح 0.9 و 0.95 0.99 درنظر گرفته شده است. بعداز رتبه¬بندي روش¬هاي مورد¬مطالعه، براي بررسي بهينگي پرتفوهاي ايجاد شده از معيار ترينر استفاده مي¬كنيم. ديتاهاي سهم¬ها به¬صورت روزانه و بازه زماني آن از ابتداي سال 1394 تا اواسط سال 1398 مي-باشد.

209661

دانشگاه علم و صنعت ايران

دكتر عمران محمدي

مهندسي صنايع/مهندسي مالي

دكتر سيدجعفر سجادي