25384

توسعه رويكردي مبتني بر علم داده براي بهينه سازي سبد سهام (كاربرد موردي: بورس اوراق بهادار تهران)

كارشناسي ارشد

مهندسي صنايع گرايش بهينه سازي سيستمها

1400

1400/07/10

رسول نورالسنا

عمران محمدي

مهندسي صنايع

يكي از مشكلات و معضلات پيش روي فعالان بزرگ اقتصادي در هر جامعه، كه ستون اصلي اقتصاد آن جامعه محسوب مي شوند. سرمايه‌گذاري مدرن و پيشرفته و بدست آوردن راه‌هاي كاربردي و سودمند براي خلاصه كردن داده‌هاي موجود جهت تصميم‌گيري در داد و ستدهاي بازار بورس مي‌باشد. در حال حاضر بيشتر سرمايه‌گذاران بازار بورس به دنبال روش‌هايي جهت مقايسه راه‌هاي مختلف تجزيه و تحليل داده هاي موجود و تاثير گذار در اين بازار مي‌باشند كه با انتخاب اين روش‌ها و حل مشكلات پيش رو بيشترين ميزان سود و ارزش سرمايه‌گذاري را براي فعاليت در اين حيطه بدست آورند. تحقيقات بسياري در راستاي ارائه راهكارهاي سرمايه‌گذاري موفق به كمك روش‌هاي مختلف از جمله روش‌هاي داده كاوي در بازار بورس اوراق بهادار صورت گرفته است. در اين پژوهش نسبت‌هاي مالي مربوط به شركت‌هاي پذيرفته شده در بورس اوراق بهادار تهران جمع‌آوري شده است. سپس توسط يك آزمون فرض همسبتگي بين داده‌ها سنجيده شده تا آن دسته از داده‌هايي كه بيشترين همبستگي را دارند به علت تاثير يكسان در مدل حذف شوند در واقع كاهش بعد در داده‌ها صورت گرفته است. در گام بعد الگوريتم آناليز مولفه‌هاي اصلي روي داده‌ها اعمال شده است در اين مرحله نيز يك كاهش بعد صورت گرفته است. سپس روي مجموعه داده‌ها مدل تحليل پوششي داده‌ها اجرا شده است تا كارايي شركت‌ها محاسبه شود و شركت‌هاي برتر شناسايي شده و مجموعه داده‌هاي مربوط به آنها جمع‌آوري شده است و الگوريتم خوشه‌بندي روي اين داده‌ها اعمال شده است. سپس سهام‌هاي موجود در خوشه‌اي كه بيشترين ارزش معاملات را دارد جهت تشكيل سبد سهام انتخاب مي‌شوند و در نهايت وزن‌هاي سرمايه گذاري هر سهام مشخص شده است. نتايج مدل پيشنهادي با دو حالت مقايسه شده است، در حالت اول تحليل پوششي داده‌ها و الگوريتم خوشه‌بندي اجرا شده است كه مدل پيشنهادي نسبت به اين حالت 5 درصد بهبود در معيارهاي كمي همچون واريانس بين خوشه‌ها داشته است. و در حالت دوم فقط الگوريتم خوشه‌بندي اجرا شده است كه در اين حالت هم مدل پيشنهادي 9 درصد بهبود داشته است.

1400/07/19

Developing a Data Science Approach to Portfolio Optimization (Case Study: Tehran Stock Exchange)

10/2/2022 12:00:00 AM

One of the problems and difficulties facing major economic actors in any society, which are the main pillar of that society's economy. It is a modern and advanced investment and obtaining practical and useful ways to summarize the available data to make decisions in stock market transactions. Currently, most stock market investors are looking for ways to compare different ways of analyzing existing and effective data in this market, which by selecting these methods and solving the problems ahead to get the maximum return on investment and value for activities in this area. Bring. Many researches have been done in order to provide successful investment solutions with the help of various methods, including data mining methods in the stock market. In this study, financial ratios related to companies listed on the Tehran Stock Exchange have been collected. Then, a correlation hypothesis between the data was measured by a test to remove those data that have the highest correlation due to the same effect in the model. In fact, a later reduction in the data was made. In the next step, the principal component analysis algorithm is applied to the data. In this step, a dimensional reduction is performed. The data envelopment analysis model is then implemented on the data set to calculate the performance of the companies and the top companies are identified and their related datasets are collected and the clustering algorithm is applied to this data. The stocks in the cluster with the highest trading value are then selected to form the stock portfolio, and finally the investment weights of each stock are determined. The results of the proposed model are compared with two modes. In the first case, data envelopment analysis and clustering algorithm are performed. The proposed model has a 5% improvement in quantitative criteria such as variance between clusters. In the second case, only the clustering algorithm is implemented, in which case the proposed model has been improved by 9%.

بهينه سازي سبد سهام , خوشه بندي , آناليز مولفه هاي اصلي

portfolio optimization , Clustering , Principal component analysis