بهینه سازی پرتفوی سهام در بورس اوراق بهادار تهران (کاربرد رهیافت یادگیری تقویتی)

Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 47

This Paper With 16 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_ECOI-16-58_004

تاریخ نمایه سازی: 30 آذر 1402

Abstract:

هدف این مقاله کاربرد معاملات الگوریتمی با تمرکز بر رویکرد یادگیری تقویتی برای بهینه سازی پرتفوی سهام های منتخب است. این پژوهش از حیث هدف، کاربردی و از نظر نوع داده، کمی و از لحاظ روش، توصیفی - اکتشافی و از منظر طرح تحقیق، پس رویدادی است. جامعه آماری این پژوهش، ۶۷۲ شرکت بورسی است که از این تعداد، داده های پنج شرکت (نمونه آماری) طی دوره زمانی ۱۳۹۶-۱۴۰۰ بررسی شده است. یافته های تحقیق در دوره های صعودی و نزولی بازار نشان داد که رویکرد یادگیری تقویتی در بازارهای صعودی و نزولی به صورت معناداری بر رویکرد خرید و نگهداری برتری دارد و عملکرد بهتری ارائه داده است و نتایج با عملکرد الگوریتم ها در بازارهای بورس سازگار است. نتایج آشکار کرد که از دیدگاه سودآوری، رویکرد یادگیری تقویتی نسبت به رهیافت خرید و نگه داری، عملکرد بهتر و موثرتری داشته است؛ بنابراین، به کارگیری روش یادگیری تقویتی پیشنهاد می شود.

Keywords:

طبقه بندی JEL: G۱۱ , G۱۷ , P۴۵ واژگان کلیدی: بهینه سازی پرتفوی , معاملات الگوریتمی , یادگیری تقویتی , یادگیری کیو , بورس اوراق بهادار تهران

Authors

مهدی اسفندیار

دانشجوی دکتری، گروه مدیریت صنعتی، واحد قم، دانشگاه آزاد اسلامی، قم، ایران

محمدعلی کرامتی

دانشیار، گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی ، تهران، ایران

رضا غلامی جمکرانی

استادیار، گروه حسابداری، واحد قم، دانشگاه آزاد اسلامی، قم، ایران

محمد رضا کاشفی نیشابوری

استادیار گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • منابعاصغری اسکوئی، محمد رضا، فلاحی، فرهاد، دوستی زاده، میثم، مشیری، ...
  • رستگار، محمدعلی، دستپاک، محسن (۱۳۹۷). ارائه مدل معاملاتی با فراوانی ...
  • فلاح پور، سعید، حکیمیان، حسن (۱۳۹۸). بهینه سازی استراتژی معاملات ...
  • گل ارضی، غلامحسین، انصاری، حمیدرضا (۱۴۰۱). مقایسه عملکرد الگوریتمهای تکاملی ...
  • نورویگ، پیتر و راسل، استوارت ج. (۱۳۹۳) هوش مصنوعی پیشرفته. ...
  • Fu, TC., Chung, CP. & Chung, FL. (۲۰۱۳). Adopting genetic ...
  • Johnston, D. E. & Djurić, P. M. (۲۰۱۱). The science ...
  • Kirilenko, A. A., & Lo, A. W. (۲۰۱۳). Moore's law ...
  • Markowitz H.M. (۱۹۵۲). Portfolio Selection. Journal of Finance, ۷ (۱): ...
  • Mihatsch, O. & Neuneier, R. (۲۰۰۲). Risk-sensitive reinforcement learning. Machine ...
  • Park, H., Sim, M. K., & Choi, D. G. (۲۰۲۰). ...
  • Reeves, M., Moose, S., & Venema, T. (۲۰۱۴). The growth ...
  • Skabar, A., & Cloete, I. (۲۰۰۲). Neural networks, financial trading ...
  • Sutton, R. S. & Barto, A. G. (۲۰۱۸). Reinforcement learning: ...
  • Treleaven, P., Galas, M. & Lalchand, V. (۲۰۱۳). Algorithmic trading ...
  • Vogiatzis, G. & Garcia, N. (۲۰۱۹). Learning non-metric visual similarity ...
  • Zhang, Z., Zohren, S., & Roberts, S. (۲۰۲۰). Deep reinforcement ...
  • نمایش کامل مراجع