-
شماره ركورد
31079
-
پديد آورنده
مهرداد حيدرپور
-
عنوان
بهينهسازي سبد سهام مبتني بر پيشبيني نرخ بازده با درنظرگرفتن استراتژيهاي مختلف متشكل از ابزار مشتقه در شرايط عدم قطعيت
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
مهندسي صنايع(مهندسي مالي)
-
سال تحصيل
1400
-
تاريخ دفاع
1403/03/08
-
استاد راهنما
عمران محمدي
-
استاد مشاور
سعيد شوال پور
-
دانشكده
مهندسي صنايع
-
چكيده
بازار سهام ذاتاً مستعد نوسانات ناشي از اخبار و رويدادهاي سياسي، اجماعي و اقتصادي است. بنابراين، پيشبيني اين نوسانها، ايجاد يك سبد با تنوع مناسب و اطمينان از استواري آن در برابر سناريوهاي مختلفي كه ممكن است رخ دهد، براي كاهش ريسك سرمايهگذاري و افزايش بازدهي بسيار حياتي است. پژوهش پيش رو يك مدل جديد بهينهسازي سبد استوار مبتني بر پيشبيني را پيشنهاد ميكند كه علاوه بر سهام از ابزار مشتقه نيز بهره برده است. روش كار بهگونهاي است كه ابتدا با استفاده از مدلهاي LSTM، SVR، AR و RF قيمت سهام پيشبينيشده و سپس هر پيشبيني چندين بار شبيهسازي ميشود. تحقيق پيش رو در ادامه نتايج حاصل از روشهاي پيشبيني و شبيهسازي انجام شده روي آنها را با استفاده از مدل دمپستر- شفر براي ايجاد سناريوهاي خوشبينانه، محتمل و بدبينانه براي قيمت سهم ادغام ميكند. درواقع اين فرايند به ما اجازه ميدهد تا مرزهاي عدم قطعيت را براي قيمت داراييهاي پايه (سهام) در تاريخ سررسيدهاي مربوطه و بهازاي هر سناريو تعيين كنيم. در ادامه، براي شناسايي قراردادهايي با بيشترين بازده مورد انتظار روي تمام قراردادهاي اختيار خريدوفروش موجود براي هر سهم موقعيتهاي long-put، long-call و long-straddle به طور جداگانه اتخاذ ميشود. در نهايت پس از شناسايي بهترين قراردادها ابتدا يك سبد استوار براي هر استراتژي و به دنبال آن يك سبد تركيبي شامل همهي استراتژيهاي ابزار مشتقه و سهام تشكيل ميشود. بر اساس نتايج مطالعه، دمپستر- شفر در ادغام دقيق نتايج پيشبيني و پيشبيني محدوده قيمت در هر سررسيد، عملكرد بسيار مناسبي دارد. علاوه بر اين، در سناريوهاي احتمالي و خوشبينانه سبد استوار تركيبي كه از تنوع و انعطاف بالاتري نيز برخوردار است، از پرتفويهايي كه تنها از يك نوع استراتژي استفاده ميكنند، بهتر عمل ميكند. بااينحال، در سناريوي بدبينانه، استراتژي long-put گزينهي بهتري براي تشكيل سبد خواهد بود.
-
تاريخ ورود اطلاعات
1403/05/13
-
عنوان به انگليسي
Portfolio optimization based on prediction the rate of return using derivative instruments under uncertain conditions
-
تاريخ بهره برداري
5/28/2025 12:00:00 AM
-
دانشجوي وارد كننده اطلاعات
مهرداد حيدرپور
-
چكيده به لاتين
The Stock market is inherently susceptible to fluctuations due to news and political events. Therefore, predicting these fluctuations, building a well-diversified portfolio, and ensuring its robustness are critical to effective investment management. This investigation proposes a novel robust portfolio optimization model based on prediction that includes stocks and options. We first employ LSTM, SVR, AR, and RF models to predict stock prices. Each prediction is then simulated several times. Applying Dempster-Shafer Theory (DST), we integrate the results of prediction methods into four interval choices for stock prices to generate optimistic, probable, and pessimistic scenarios. This process allows us to determine the uncertainty bounds for each stock price at its expiration dates within each scenario. Next, we apply the long-call, long-put, and long-straddle strategies separately to the options contracts of each share during the study period. Subsequently, we select the contracts with the highest expected return for each strategy to form the portfolio. A robust portfolio is developed for each option strategy, followed by a hybrid portfolio combining all options strategies with stocks. Based on the study results, the DST performs exceptionally well in accurately integrating forecasting results and predicting price ranges at each expiration. Furthermore, the hybrid robust portfolio outperforms portfolios that use only one type of strategy in both probable and optimistic scenarios. However, in a pessimistic scenario, a long-put strategy proves to be more effective.
-
كليدواژه هاي فارسي
بهينهسازي سبد سهام استوار، پيشبيني، ابزار مشتقه، دمپستر- شفر، متنوعسازي
-
كليدواژه هاي لاتين
Robust Portfolio Optimization, Prediction, Option, Dempster-Shafer Theory, diversification
-
Author
Mehrdad heydarpour
-
SuperVisor
Dr. emran mohammadi
-
لينک به اين مدرک :