توسعه یک رویکرد ترکیبی جهت پیش بینی قیمت و انتخاب سبد سهام بهینه در بورس اوراق بهادار تهران

در مساله انتخاب بهینه سبد سهام با توجه به اینکه سرمایه گذاری بر اساس روابط ریسک و بازده صورت می گیرد یکی از ورودی های اصلی مدل های بهینه سازی بصورت معمول، قیمت واقعی هر سهم می باشد. در این تحقیق با ایجاد ساختاری دو مرحله ای با استفاده از ترکیب رویکردهای پیش بینانه و تجویزی تحلیل داده ها، پرتفوی بهینه سهام براساس قیمت های پیش بینی شده تعیین می شوند. در فاز اول از الگوریتم شبکه عصبی جهت پیش بینی قیمت سهام استفاده شده است که نتایج ارزیابی الگوریتم شبکه عصبی حاکی از توانایی بالای این الگوریتم در پیش بینی قیمت سهم دارد .در فاز دوم بعد از مدل سازی ریاضی مساله سبد بهینه مدل توسعه داده شده با بهره گیری از الگوریتم ژنتیک حل شده است. مدل های ریاضی بهینه سازی بر مبنای فاکتورهایی چون میانگین- واریانس، سبد سهام ارایه شده است. نتایج نشان می دهد که الگوریتم ژنتیک از بهینگی و ثبات بالایی در بهینه سازی سبد سهام برخوردار است. جامعه آماری این تحقیق 12 شرکت از مجموعه شرکت های فعال و برتر در بورس اوراق بهادار تهران و داده ها بصورت روزانه درمحدوده زمانی سالهای 1389تا 1394 بدست آمده است.

Keywords:

بهینه سازی سبد سهام , شبکه های عصبی پرسپترون , پیش بینی قیمت سهام , مدل مارکویتز , الگوریتم ژنتیک.