| نقش هوش مصنوعی و علوم شناختی در بهینه سازی پرتفلیو با پیش بینی بازده |
| کد مقاله : 1055-CCCW-FULL |
| نویسندگان |
|
یاسمین فرمانی انتظام1، محمد مهدی *2، ساناز خطابی3 1کارشناسی ارشد رشته مدیریت مالی دانشگاه آزاد اسلامی واحد دماوند، تهران، ایران،رایانامه:: 2استادیار، گروه اقتصاد و حسابداری دانشگاه امام علی (ع)، تهران، ایران 3استادیار، گروه مدیریت مالی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. رایانامه |
| چکیده مقاله |
| هوش مصنوعی در علوم مختلفی از جمله دفاعی و امنیتی و مالی تاثیر فرآوانی داررد .انتخاب پرتفوی بهینه از دارائیها مهمترین اصل در سرمایهگذاری بوده و کسب بازدهی همواره با ریسک همراه می باشد. از اینرو پیدا نمودن نقطه مناسب بین بازده و ریسک همواره مورد نظر سرمایهگذاران بودهاست. مدل مارکوویتز با هدف ارائه نمودن این سبد سهام ایدهآل در سال 1952 ارائه شد. هدف این پژوهش انتخاب پرتفوی بهینه از سهام شرکتها با روش یادگیری ماشین و یادگیری عمیق است. به این منظور دادههای قیمتی روزانه 50 شرکت برتر بورس اوراق بهادارتهران در بازه زمانی 1396 الی 1402 مورد بررسی قرار گرفته است .این i,a دادهها با مدلهای یادگیری عمیق که بخشی از خانوادهی گستردهتر روشهای یادگیری ماشین هستند، به منظور پیشبینی بازده مورد آموزش قرار گرفته است. بازدهها برای محاسبه واریانس و ریسک به منظور استفاده در روش بهینه سازی پرتفولیوی مارکوویتز مورد استفاده قرار گرفت .در نهایت با استفاده از مدل مارکوویتز سبد بهینه از سهام شناسایی شد. ریسک و بازدهی این پرتفولیوی بهینه در مدلهای مختلف با هم مقایسه، و نتایج حاصل با یکدیگر مورد بررسی قرار گرفت. مدل یادگیری عمیق نسبت به مدل خودهمبسته در انتخاب پرتفوی بهینه از سهام به نتایج بهتری منجر شده است. از طرفی نتایج آزمون مقایسات زوجی نشان میدهند که مقایسه این دو مدل برای دیگر زمانها نیز از اعتبار برخوردار است |
| کلیدواژه ها |
| یادگیری عمیق، یادگیری ماشین، شبکه عصبی مصنوعی، مدل مارکوویتز، بازده و ریسک |
| وضعیت: پذیرفته شده مشروط برای ارائه به صورت پوستر |
