پیش بینی بیزی و تصمیم گیری پرتفوی با استفاده از مدلهای همزمان دینامیک خطی گرافیکی

سرمایه گذاری در سهام عرضه شده در بورس اوراق بهادار یکی از گزینه های پرسود در بازار سرمایه است. بازار سهام دارای سیستمی که تحت تاثیر شرایط سیاسی، اقتصادی و روانشناسی می باشد و می توان از سیستم های هوشمند غیرخطی همچون شبکه های عصبی مصنوعی، شبکه های عصبی فازی و الگوریتم های ژنتیک و...برای پیش بینی قیمت سهام استفاده نمود. مدل خطی دینامیک گرافیکی همزمان با SGDLM که اخیرا ارایه شده است آنالیز بیزی آنلاین سری زمانی با بعد بالا را تسهیل می کند. ما در این مطالعه موضوع پیش بینی مالی و بهینه سازی پرتفوی با استفاده از SGDLM به کار رفته برای مجموعه ای از 400 قیمت روزانه سهام از 500 S&P در سالهای 2007-2014 مورد بحث قرار دادیم . مقاله - کاربرد استفاده از مجموعه اوراق بهادار جدیدی را ارایه می دهد که شامل انواع سطح بازده هدف و محدودیت معیار خنثی است واستفاده از SGDLMs را برای فیلترسازی و پیش بینی خارج از نمونه رویکردها ، نوسانات و شرکت نوسانات و نیز خلاصه عملکرد را شرح می دهد. در این مطالعه موضوعی ، SGDLM پیش بینی کاملا دقیق تری را از استاندارد چند متغیری DLM نشان می دهد و قادر به بهبود بخشیدن به نتایج پرتفوی ( مجموعه اوراق بهادار)، در دامنه ای از عملیات استفاده از پرتفوی می باشد

Keywords:

پیش بینی بیزی , مدلهای گرافیک دینامیک , محاسبه GPU , سری زمانی با بعد بالا , بهینه سازی پرتفوی