طراحی سیستم پشتیبان تصمیم گیری مدیریت سبد سهام با بهره گیری از روش های علم داده (بازار بورس اوراق بهادار تهران)

افزایش سودآوری و کاهش میزان ریسک، مستلزم انتخاب مسیر هوشمند سرمایه گذاری ضمن بهره گیری از تحلیل داده است؛ لذا امروزه ارائه ی روشی در قالب سیستم پشتیبان تصمیم گیری مدیریت سبد سهام، ضمن درک بهتر جایگاه علم داده، ضروری است؛ لذا در پژوهش حاضر، علاوه بر دستیابی به این مهم، ضمن ترکیب روش های علم داده با مدل مارکویتز، مدل های طبقه بندی و پیش بینی نیز ایجاد شده اند، که در تشخیص تقلب مالی شرکت ها موثر هستند. همچنین، به منظور خوشه بندی شرکت های فعال در بورس اوراق بهادار تهران، الگوریتم های سلسله مراتبی و کامینز استفاده شده اند. درخصوص طبقه بندی داده ها، الگوریتم طبقه بندی ماشین بردار پشتیبان خطی با دقت ۷۰٪ در مقایسه با الگوریتم های درخت تصمیم، نایوبیز، نزدیک ترین همسایه، و پرسپترون چند لایه و درخصوص ساخت مدل های پیش بینی، درخت تصمیم با کمینه ی میزان خطا، در مقایسه با الگوریتم های نایوبیز، نزدیک ترین همسایه، پرسپترون چند لایه شناسایی شده اند. داده های اولیه در پژوهش حاضر، شامل ۲۰ عنوان شاخص مالی و داده های روزانه ی قیمت سهام شرکت ها در فضای برنامه نویسی پایتون بوده اند.

Keywords:

مدیریت سبد سهام , مدل سازی , علم داده , طبقه بندی , خوشه بندی , بخش بندی