به کارگیری مدلهای یادگیری ماشین در تشکیل پرتفوی بهینه سهام و مقایسه کارایی آنها
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 867
This Paper With 30 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_FEJ-11-45_008
تاریخ نمایه سازی: 7 بهمن 1399
Abstract:
هرچند مدلهای اقتصاد سنجی برای توصیف و ارزیابی روابط بین متغیرها با استنتاج آماری مناسب هستند، اما محدودیتهایی برای تحلیلهای مالی دارند. تلاشهای زیادی برای مدلسازی روابط غیرخطی در دادههای مالی با استفاده از فناوریهای یادگیری ماشین انجام شده است. هدف از انجام این پژوهش بهکارگیری مدلهای یادگیری ماشین در تشکیل پرتفوی بهینه سهام و مقایسه کارایی آنها است. نمونه آماری پژوهش حاضر، شامل 156 شرکت پذیرفتهشده در بورس اوراق بهادار تهران برای بازه زمانی 1387 تا 1396 است. پس از گردآوری دادهها، مدلهای یادگیری عمیق موردنظر در نرمافزار آناکوندا و زبان برنامهنویسی پایتون، مورد آزمون قرار گرفت و سپس توانایی هر یک از مدلها در تشکیل پرتفوی بهینه سهام توسط معیارهای ارزیابی بازده، بازده مرکب، ترینر و جنسن تعیین شد. با توجه به نرخ بازده بدون ریسک و نرخ بازده بازار و اینکه سرمایهگذاران با تشکیل پرتفوی به دنبال سودآوری بیشتر از این دو نرخ بازده هستند و همچنین نتایج ارزیابی پرتفوی دو شاخص ترینر و جنسن، این نتیجه حاصل گردید که مدل شبکه عصبی کانولوشن یادگیری عمیق توانایی تشکیل پرتفوی بهینه سهام را دارد و بر طبق همین استدلال، مدل شبکه عصبی بازگشتی حافظه طولانی کوتاهمدت توانایی تشکیل پرتفوی بهینه سهام را ندارد.
Keywords:
Authors
محمد سرچمی
گروه حسابداری، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران
احمد خدامی پور
گروه حسابداری، دانشکده مدیریت و اقتصاد، دانشگاه شهید باهنر، کرمان، ایران
مجید محمدی
گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهید باهنر، کرمان، ایران
حدیث زینلی
گروه حسابداری، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران