27449

بهينه سازي سبد سهام با درنظر گرفتن سنجه هاي ريسك نامطلوب با استفاده از پيش بيني قيمت سهام مبتني بر يادگيري ماشين

كارشناسي ارشد

مهندسي صنايع- گرايش مهندسي مالي

1401

1401/07/09

دكتر روزبه قوسي- دكتر عمران محمدي

مهندسي صنايع

بازارهاي مالي تحت تأثير عوامل گوناگوني همچون عوامل سياسي، اقتصادي، اجتماعي و ساير موارد دچار نوسانات شديدي مي‌شود. اين نوسانات سبب مي‌شود تا سرمايه‌گذاري‌ها با ريسك همراه باشند. با استفاده از ابزارهاي مالي و الگوريتم‌‌هاي داده‌كاوي مي‌توان حاشيه امنيتي به سرمايه‌گذاران در برابر ريسك‌هاي احتمالي ارائه نمود. يك تئوري با اهميت براي سرمايه‌گذاران در بازار سهام، تشكيل سبد سهام مي‌باشد. موفقيت در ساخت يك سبد سهام مناسب در درجه اول به عملكرد بازار سهام در آينده وابسته مي‌باشد. در اين پژوهش يك رويكردي جهت ساخت سبد سهام با استفاده از الگوريتم ماشين بردار پشتيبان براي پيش‌بيني سهام و مدل ميانگين نيم واريانس براي انتخاب سبد توسعه داده شده است. داده‌هاي مورد استفاده، قيمت سهام 20 شركت از ميان شركت‌هاي گروه شيميايي كه طي 10 سال گذشته (سال 1390-1400) معامله شده‌اند، مي‌باشد كه از سازمان بورس و اوراق بهادار استخراج شده است. در گام اول، پيش‌بيني قيمت سهام با استفاده از الگوريتم ماشين بردار پشتيبان انجام مي‌شود. پس از مقايسه نتايج بدست آمده در برابر شبكه‌ حافظه كوتاه مدت طولاني به اين نتيجه دست مي‌يابيم كه الگوريتم ماشين بردار پشتيبان براي پيش‌بيني قيمت سهام مناسب‌تر مي‌باشد و اين پيش‌بيني با درصد خطا كمتري همراه است. در گام دوم، بر اساس دارايي‌هاي منتخب كه سهام چندين شركت بورسي مي‌باشد، از مدل ميانگين نيم واريانس براي بهينه‌سازي سبد سهام استفاده مي‌شود. نتايج بيانگر آن است كه روش پيشنهادي براي بهينه‌سازي سبد سهام نسبت به مدل ميانگين واريانس از بازدهي بالاتري برخوردار است و سبد سهامي را با ميزان ريسك كمتر تشكيل مي‌دهد.

1401/09/13

Portfolio Optimization By Considering Adverse Risk Measures Using Machine Learning Based Stock Price Prediction

10/1/2023 12:00:00 AM

financial market are affected by various factors such as political, economic, social factors that cause acute volatility. These volatility cause the investments face risk. With use of financial tools and data mining algorithm, a safe margin could be created for the investers to insure them from probable risks. One of the significant theories for investors in stock market is creating stock portfolio. Succeeding in creating a suitable portfolio, to begin with, depends on future of financial market performance. This research offers an approach towards building a portfolio using support vector machine (SVM) algorithm for anticipating the stocks and mean semi varianse model for selecting a portfolio. The data used are the stock prices of 20 companies among the chemical group companies that have been traded in the last 10 years (2012-2022), which were extracted from the Securities and Exchange Organization. In the first stage is predicting stock price using SVM algorithm. After comparing results with Long short term memory networks (LSTM), it will be concluded that SVM algorithm is more suitbale for anticipating stocks price and this prediction is associated with a lower error percentage. In the second stage on the basis of selected assets which are some stocks exchange company, using mean semi variance an optimal portfolio forged into existence. The results show that the proposed method for optimizing the stock portfolio has a higher efficiency than the mean variance model and forms a stock portfolio with a lower risk.

داده‌كاوي , پيش‌بيني قيمت سهام , ماشين بردار پشتيبان , بهينه‌سازي سبد سهام , مدل ميانگين نيم واريانس

Data mining , Predicting stock price , Support vector machine , Portfolio optimization , Mean semi variance model

zahra zahedi moghaddam

dr. rouzbeh ghosi & dr.Emran Mohammadi