بررسی تاثیر ترکیب تکنیک های خوشه بندی و شبکه های ترکیبی عصبی بر بازده مازاد صندوق های سرمایه گذاری

انتخاب سبد سهام مطلوب و چگونگی سرمایه گذاری در آن یکی از مباحث مهم و کلیدی می باشد که در بازار سرمایه مطرح است و باید مورد توجه سرمایه گذارن قرار گیرد. در این رابطه ، بررسی و مطالعه سرمایه گذاران در جهت انتخاب بهترین سبد سرمایه گذاری با توجه به میزان ریسک و بازده آن انجام می شود. از این رو اندازه گیری ریسک به عنوان یک مسئله مهم در سرمایه گذاری برای سبد سهام مطرح است . در این تحقیق که در بستر بازار سرمایه ایران انجام شده به ارائه یک مدل ریاضی چند هدفه به صورت تک زمانه برای اندازه گیری ریسک سبد سهام پرداخته شده است که با ترکیب سنجه بازده با دو سنجه ریسک یعنی نیم واریانس و ارزش در معرض ریسک شرطی این امکان را فراهم می آورد تا سرمایه گذاران بتوانند با در نظر گرفتن محدودیت های مرتبط با هزینه های معاملاتی ، ریسک سبد سهام مورد نظرشان را با دقت اندازه گیری کنند تا در سبد سهامی با بیشترین بازده و کمترین ریسک ، سرمایه گذاری کنند. نتایج نشان میدهد که استفاده از دو سنجه ریسک به طور همزمان، دقت تصمیم گیرندگان و سرمایه گذاران بازارسرمایه در انتخاب سبد مطلوب برای سرمایه گذاری را افزایش میدهد و یک الگو و راهنمای مناسب تری برای تعیین سبد بهینه سهام است .در این تحقیق از روشهای مبتنی برداده کاوی و هوش مصنوعی برای بهبود پورتفوی استفاده می گردد. برای این مسئله یک مدل بهینه سازی با محدودیت های چندگانه ارائه شده و از الگوریتم های فرا ابتکاری جهت حل مسئله استفاده می گردد. محدودیت های در نظر گرفته شده در این مدل عبارتاند از بازده، بازده خالص ، بازده مازاد، محدودیت های غلبه تصادفی با فرض احتمال اطلاعات ناقص ، محدودیت مومنت ، محدودیت های تنوع بخشی ، محدودیت های مرزی و محدودیت بودجه می باشد.

Keywords:

نیم واریانس , ارزش در معرض ریسک شرطی , برنامه ریزی چند هدفه , سبد سهام , هزینه معاملات , الگوریتم های فرا ابتکاری , صندوق های سرمایه گذاری .