25997

ارائه يك رويكرد تركيبي از يادگيري ماشين (هوش مصنوعي) و بهينه سازي در انتخاب سبد سرمايه گذاري

كارشناسي ارشد

مهندسي صنايع/مهندسي مالي

1398

1400/09/28

دكتر سيدجعفر سجادي

دكتر عمران محمدي

مهندسي صنايع

بازده و ريسك دو عامل مهم و اساسي براي تصميم¬گيري در حوزه مسائل مالي مي¬باشند. هم¬زمان با ابداع روش¬هايي براي بهينه¬سازي پرتفوي كه در راس آن¬ها مدل ماركويتز قرار گرفته است، همواره لزوم شناخت روش¬هاي جديد براي يافتن سبد سرمايه¬اي بهينه، همواره مورد بحث پژوهش¬گران و تحليل¬گران حوزه مالي بوده است. تحقيق حاضر با اهداف علمي جهت يافتن پرتفوي بهينه انجام گرفته است. يكي از روش-هايي كه در حال حاضر محبوبيت زيادي در بين تحليل¬گران و پژوهش¬گران اين حوزه شكل گرفته، روش-هاي مبتني بر هوش مصنوعي و در پي آن روش¬هايي با هدف كاهش ريسك، هم¬چون سنجه¬هاي¬ريسك مي¬باشد. در اين تحقيق سعي شده است براي يافتن سبد سرمايه¬اي بهينه، از روش¬هاي ارزش در معرض ريسك و ارزش در معرض ريسك شرطي با رويكردي جديد و تركيبي با نظيه فازي استفاده نمود. اما قبل از آن براي فيلتركردن و كلاس¬بندي تعداد زياد سهم¬ها از الگوريتم¬هاي متفاوت و پركاربرد هوش مصنوعي جهت تعيين كلاس مثبت باتوجه به ويژگي¬هاي ارائه شده بهره برده¬ايم. در اين پژوهش ابتدا سهم¬ها با دو رويكرد تنوع صنعت و عمق بازار بالا انتخاب شده¬اند. در مرحله بعد وارد ماشين¬هاي يادگيري شده و باتوجه به ويژگي¬ها و شاخص¬هاي تكنيكال و بازدهي، عمل كلاس¬بندي بر روي آن¬ها صورت گرفته است. خروجي هر روش وارد الگوريتم جنگل تصادفي شده و پيش¬بيني به¬وسيله اين الگوريتم صورت مي¬گيرد. در مرحله آخر، پيش¬بيني به¬وسيله هركدام از روش¬هاي كلاس¬بندي براي تشكيل سبد سرمايه وارد مدل بهينه¬سازي ارزش در معرض ريسك و ارزش در معرض ريسك شرطي، با رويكرد نظريه فازي مي‌شوند. در پايان هركدام از اين روش¬ها و مراحل با بازده واقعي بازار سنجيده و مقايسه خواهند شد. لازم به ذكر است كه مقادير سطح¬اطمينان نيز در اين تحقيق نسبت به 3 سطح 0.9 و 0.95 0.99 درنظر گرفته شده است. بعداز رتبه¬بندي روش¬هاي مورد¬مطالعه، براي بررسي بهينگي پرتفوهاي ايجاد شده از معيار ترينر استفاده مي¬كنيم. ديتاهاي سهم¬ها به¬صورت روزانه و بازه زماني آن از ابتداي سال 1394 تا اواسط سال 1398 مي-باشد.

1400/11/16

Provide a combined approach of machine learning (artificial intelligence) and optimization in portfolio selection

12/19/2022 12:00:00 AM

Return and risk are two important and fundamental factors for decision making in the field of financial issues. Simultaneously with the development of methods for portfolio optimization, based on the Markowitz model, The need to know new methods to find the optimal capital portfolio has always been discussed by researchers and financial analysts. The present study was conducted with scientific objectives to find the optimal portfolio. One of the methods that is currently very popular among analysts and researchers in this field, Methods based on artificial intelligence, followed by methods aimed at reducing risk, It is like a measure of risk. In this research, an attempt has been made to find the optimal capital portfolio using the methods of value at risk and conditional value at risk with a new approach and a combination with fuzzy theory. But before that, for filtering and classifying a large number of shares, we have used different and widely used artificial intelligence algorithms to determine the positive class according to the features provided. In this study, shares were first selected with two approaches of industry diversity and high market depth. In the next stage, it enters the learning machines and according to the technical characteristics and indicators and efficiency, Classification has been done on them. The output of each method enters the random forest algorithm and forecasting is done by this algorithm. Finally, forecasters enter the risk-value and condition-risk value optimization model by either classification methods to form a portfolio. At the end of each of these methods and steps will be measured and compared with the actual market return. It should be noted that the values of confidence level in this study compared to 3 levels of 0.9 and 0.95 0.99 have been considered. After ranking the studied methods, We use the trainer criterion to evaluate the optimality of the created portfolios. Share data is daily and its time period is from the beginning of 1394 to the middle of 1398.

يادگيري ماشين، ماشين بردار پشتيبان، ارزش درمعر ريسك شرطي، سبد سرمايه گذاري، بورس اوراق بهادار تهران