15395

بررسي روش‌هاي مديريت پرتفوي با استفاده از روش‌هاي يادگيري ماشين

1403

ناصر مزيني

در اين پژوهش هدف بررسي روش‌هاي پيش‌بيني قيمت ‌يا مسيرحركتي ارزش بازار سهام نيست، بلكه به مسئله‌ي مديريت پرتفوي در حضور ابهام مدلي و عدم‌قطعيت پرداخته مي‌شود؛ جايي كه برآوردهاي بازده و كوواريانس به‌دليل خطاي نمونه و تغيير توزيع، تصميم‌ها را ناپايدار مي‌كند و بهينه‌سازي‌هاي كلاسيك، مانند ميانگين–واريانس يا بيشينه‌سازي نسبت شارپ در عمل دچار بيش‌برازش و عملكرد ضعيف برون‌نمونه مي‌شوند. هدف، ارائه‌ي چارچوب و راه‌كارهايي است كه هم به عدم‌قطعيت داده‌اي و ابهام حساس باشند و هم مستقيماً به معيارهاي تصميم‌گيري مالي منتهي شوند. در اين گزارش، به ذكر برخي از مهم‌ترين چالش‌هاي مديريت پرتفوي مي‌پردازيم و بررسي خواهيم كرد كه چگونه رويكردهايي همچون توليد داده‌هاي مصنوعي با خصوصيات كمياب، خشن و پيش‌بيني‌ناپذير بازارهاي مالي از طريق رياضيات تصادفي و مدل‌هاي مولد انتشاري، آموزش شبكه‌هاي عميق مناسب براي سري‌هاي زماني، الگوريتم‌هاي يادگيري تقويتي، اجتماع اين مدل‌ها و مدل‌هاي خودرمزگذاري مغايري مي‌تواند به مقابله با عدم قطعيت‌هاي بازار كمك كند. اين رويكردها با شبيه‌سازي سناريوهاي مختلف بازار، توانايي سازگاري با تغييرات ناگهاني و افزايش تاب‌آوري در برابر نوسانات را فراهم مي‌كنند و علاوه بر اين، قادرند ويژگي‌هاي كليدي داده‌هاي بازار را به‌طور خودكار شناسايي كرده و براي بهينه‌سازي تصميمات سرمايه‌گذاري در زمان‌هاي مختلف مورد استفاده قرار دهند.

11/5/2025 12:00:00 AM

88509

1404/08/26

A Study of Portfolio Management Methods Using Machine Learning Techniques

بهينه‌سازي پرتفوي , يادگيري عميق , اجتماع مدل‌ها , يادگيري تقويتي , مدل انتشار احتمالاتي نويززدا

Portfolio Optimization , Deep Learning , Model Ensemble , Reinforcement Learning , Denoising Diffusion Probabilistic Model