ارزیابی عوامل موثر بر بهینه سازی سبد سرمایه گذاری در بازارهای مالی بر اساس متد جنگل تصادفی

هدف: هدف این پژوهش، ارزیابی عوامل موثر بر بهینه سازی سبد سرمایه گذاری در بازار بورس تهران با استفاده از الگوریتم جنگل تصادفی بود. در این راستا، داده های مالی و تکنیکال سه نماد بورسی (های وب، سغدیر و پرداخت) در بازه زمانی یک ساله منتهی به خرداد ۱۴۰۴ جمع آوری و تحلیل شد. متغیرهای بنیادی (مانند ROE وP/E ) و کلان اقتصادی (مانند قیمت طلا و نفت برنت) نیز مورد بررسی قرار گرفتند.روش شناسی پژوهش: در این پژوهش از الگوریتم جنگل تصادفی برای پیش بینی بازده سهام و ارایه سیگنال های خرید/فروش استفاده شد. داده های مالی و تکنیکال سه نماد بورسی منتخب جمع آوری و تحلیل گردید و مدل مذکور برای استخراج الگوها و پیش بینی بازده سهام به کار گرفته شد. همچنین اهمیت ویژگی ها در مدل برای شناسایی متغیرهای اثرگذار موردبررسی قرار گرفت.یافته‎ها: نتایج نشان داد که مدل جنگل تصادفی توانایی قابل قبولی در پیش بینی بازده سهام دارد، به طوری که دقت پیش بینی خرید/فروش بین %۶۳ تا %۷۳ و مقدار R² برای نمادهای مختلف بین ۰.۰۴- تا ۰.۱۶ بود. تحلیل اهمیت ویژگی ها حاکی از تاثیر بالای متغیرهای بنیادی با تاخیر زمانی (مانند ROELag۲ و P/E RatioLag۲) و عدم تاثیر معنادار متغیرهای کلان اقتصادی جهانی بود. همچنین نرم افزار توسعه یافته مبتنی بر این مدل امکان ارایه پیشنهادات تخصیص سرمایه و سیگنال های معاملاتی را فراهم کرد.اصالت/ارزش افزوده علمی: این پژوهش با تلفیق متغیرهای بنیادی و تکنیکال و ارایه یک ابزار عملیاتی برای سرمایه گذاری، رویکردی نوین و بومی سازی شده برای بازار بورس ایران ارایه می دهد. همچنین با مقایسه با مطالعات پیشین نشان می دهد که این کار علاوه بر غنی سازی ادبیات مالی، چارچوبی کاربردی برای هوشمندسازی تصمیم گیری های سرمایه گذاری در بازار بورس تهران فراهم می سازد. محدودیت هایی نظیر نوسانات بالای برخی نمادها و کیفیت داده های کلان اقتصادی نیز شناسایی شده است.

Keywords:

بهینه سازی سبد سرمایه گذاری , پیش بینی بازده سهام , جنگل تصادفی , یادگیری ماشین