انتخاب و بهینه سازی پرتفوی سهام با استفاده از روش میانگین واریانس مارکویتز و ماشین بردار پشتیبان

در سال ۱۹۵۰ مارکویتز مدل اساسی پرتفلیو را ارائه کرد که مبنایی برای تئوری مدرن پرتفلیو قرار گرفت. مارکویتز، اولین کسی بود که مفهوم پرتفلیو و ایجاد تنوع را به صورت روش علمی بیان کرد. او به صورت کمی نشان داد که چرا و چگونه تنوع سازی پرتفلیو میتواند باعث کاهش ریسک پرتفلیو (مجموعه سرمایه گذاری ) یک سرمایه گذار شود. در مدل مارکویتز، ریسک توسط واریانس (انحراف معیار) بازده پرتفلیو و همانند محاسبه ریسک هر یک از اوراق بهادار اندازه گیری میشود. به دلیل ضعف موجود در مدل همچنین عدم لحاظ نمودن ترجیحات سرمایه گذار در عرصه عمل، مدل ماشین مدار پشتیبان به منظور رفع مشکلات فوق برای انتخاب پرتفولیو ارائه گردید. در جهت رفع مشکلات فوق، نیاز به طراحی برنامه ریزی آرمانی سرمایه گذاری ضروری به نظر میرسد. مهمترین سوال پژوهش در خصوص سرمایه گذاری در پرتفوی سهام اوراق بهادار آن است که آیا میتوان مدل ریاضی خاصی را برای تصمیم گیریهای سرمایه گذاری در انتخاب و بهینه سازی پرتفوی سهام طراحی نمود؟ اینکه آیا با استفاده از روش میانگین واریانس مارکویتز و یا روش شبکه عصبی ماشین بردار پشتیبان میتوان اولویت اهداف آرمانی بهینه سازی پرتفوی سهام را تعیین کرد؟ کدام روش به عنوان بهترین روش انتخاب میگردد و آیا با توجه به ضعف موجود در مدل مارکویتز میتوان از روش ماشین بردار پشتیبان به جای آن استفاده نمود؟ این پژوهش در پی پاسخ به سئوالات فوق الذکر در نظر بهترین روش جهت بهینه سازی پرتفوی سهام را برای سرمایه گذران روشن نموده و در صورت اجرا، نتایج مدل انتخابی در این پژوهش، زمینه حداکثر شدن مطلوبیت سرمایه گذاری فراهم خواهد شد.

Keywords:

ماشین بردار پشتیبان , پرتفوی , بهینه سازی , شبکه عصبی , برنامه ریزی آرمانی