پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 418 |
| تعداد شماره‌ها | 10,005 |
| تعداد مقالات | 83,625 |
| تعداد مشاهده مقاله | 78,440,617 |
| تعداد دریافت فایل اصل مقاله | 55,459,876 |
ارائه الگوریتم ترکیبی یادگیری ماشین و ترکیب سنجه‌های ریسک و نظریه فازی در انتخاب سبد سرمایه گذاری | ||
| مهندسی مالی و مدیریت اوراق بهادار | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 26 مرداد 1402 | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| دانیال محمدی1؛ سید جعفر سجادی1؛ عمران محمدی1؛ نعیم شکری* 2 | ||
| 1گروه مهندسی مالی، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران. | ||
| 2گروه توسعه و برنامه ریزی اقتصادی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران. | ||
| چکیده | ||
| بازده و ریسک دو عامل مهم و اساسی برای تصمیم‌گیری در حوزه مالی می‌باشند. پژوهش حاضر جهت یافتن پرتفوی بهینه برای سرمایه‌گذاری از سهام بورسی انجام گرفته و یکی‌از روش‌هایی‌که در حال حاضر محبوبیت زیادی در بین تحلیل‌گران و پژوهش-گران این حوزه شکل گرفته، روش‌های مبتنی‌بر هوش مصنوعی و در پی آن روش‌هایی با هدف کاهش سنجه‌های ریسک می‌باشد. هدف پژوهش حاضر تشکیل پرتفوی با‌استفاده از روش‌های یادگیری ماشین، سنجه ریسک و ترکیب آن با نظریه فازی است، که بازده‌ای بهتر از بازده میانگین بازار داشته باشد. خروجی هر روش وارد الگوریتم جنگل تصادفی شده و پیش‌بینی به‌وسیله این الگوریتم صورت می‌گیرد و در مرحله آخر، خروجی پیش‌بینی برای تشکیل سبد سرمایه وارد مدل بهینه‌سازی ارزش در معرض ریسک و ارزش در معرض ریسک شرطی با رویکرد نظریه فازی می‌شوند. اطلاعات سهم‌ها به‌صورت روزانه و بازه زمانی آن از ابتدای سال 1394 تا اواسط سال 1398 می‌باشد. در پایان هرکدام از این روش‌ها و مراحل با بازده واقعی بازار مقایسه گردید. بر اساس نتایج بدست آمده سنجه‌ریسک CVAR قابلیت بهتری را نسبت‌به سنجه ریسک VAR داشته است، هم‌چنین الگوریتم جنگل تصادفی در بین الگوریتم‌های یادگیری ماشین استفاده شده، نتایج بهتری را در انتخاب سبد سرمایه‌گذاری رقم زده است. | ||
| کلیدواژه‌ها | ||
| یادگیری ماشین؛ بیز ساده؛ ارزش در معرض ریسک شرطی (CVaR)؛ سبد سرمایه گذاری؛ بورس اوراق بهادار تهران | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,398 |
||