31545

ارائه روش بهينه‌سازي سبد سرمايه‌گذاري متشكل از سهام و ابزار مشتقه با استفاده از سنجه ريسك كمينه-بيشينه و روش‌هاي داده‌كاوي تحت شرايط عدم قطعيت

كارشناسي ارشد

مهندسي صنايع-مهندسي مالي

1400

1403/07/14

دكتر روزبه قوسي

دكتر عمران محمدي

مهندسي صنايع

در امر سرمايه‌گذاري افزايش سودآوري در سطح معيني از ريسك همواره برجسته و قابل‌توجه بوده است. بنابراين مساله بهينه‌سازي سبد سرمايه‌گذاري با هدف افزايش بازده و كاهش ريسك در اين حوزه شكل گرفته است. اين مساله با تحقيقات هري ماركوويتز آغاز شده است و تا به امروز مطالعات چشم‌گيري در زمينه معيارهاي انتخاب بهينه سهام شامل مدرن پرتفوي، روش‌هاي بنيادي، فني و ... به منظور ايجاد ساختار منظم و عملي، انجام شده است. هدف از اين پژوهش ارائه مدلي با استفاده از سنجه ريسك كمينه-بيشينه و بهره‌گيري از اختيار معامله به عنوان ابزاري جهت كنترل و محدود‌كردن عدم قطعيت مي‌باشد. اين مسير ابتدا با مروري جامع بر ادبيات موضوع با هدف يافتن پركاربردترين الگوريتم‌هاي يادگيري ماشين و يادگيري عميق صورت مي‌گيرد. با بررسي مقالات اين حوزه، الگوريتم‌هاي يادگيري ماشين شامل رگرسيون خطي، درخت تصميم، جنگل تصادفي، تقويت گراديان و ماشين بردار پشتيبان به عنوان الگوريتم‌هاي منتخب اين پژوهش برگزيده شده‌اند. عملكرد الگوريتم‌هاي منتخب با استفاده از داده‌هاي 5 شركت از بورس اوراق بهادار تهران كه داراي اختيار معامله و ارزش بازار بالايي بوده‌اند، در بازه زماني 1403/01/01 الي 1403/05/31 به صورت روزانه مورد سنجش و بررسي قرار گرفته است. در گام نخست، پيش‌بيني قيمت نمادهاي موردنظر با استفاده از الگوريتم‌هاي يادگيري ماشين انجام شده و پس از مقايسه نتايج بدست‌آمده با معيارهاي خطا، الگوريتم رگرسيون خطي به عنوان مناسب‌ترين الگوريتم در بازه زماني موردنظر انتخاب شده است. در گام دوم، مدل بهينه‌سازي سبد سرمايه با استفاده از سنجه ريسك كمينه-بيشينه و اختيار معامله با مراجعه به داده‌هاي پنج شركت بورسي و قيمت‌هاي پيش‌بيني شده آن‌ها توسط الگوريتم رگرسيون خطي اجرا شده است. به منظور اعتبارسنجي مدل پيشنهادي، مدل ميانگين-واريانس جهت بهينه‌سازي سبد سرمايه‌گذاري ارائه شده؛ كه نتايج حاصل نشان مي‌دهد مدل پيشنهادي با استفاده از الگوريتم رگرسيون خطي، دقت و عملكرد بهتري دارد.

1403/08/25

Present a Manner of Portfolio Optimization Toward Exploiting Minimax Risk Measure through Data Mining Methods by Grafting Stocks and Derivatives under Uncertainty Situation

1/1/1900 12:00:00 AM

In the realm of investment, enhancing profitability at a certain level of risk has always been prominent and noteworthy. Consequently, the issue of portfolio optimization with the aim of increasing returns and reducing risk has emerged in this field. This issue began with the research of Harry Markowitz and has since seen significant studies on optimal stock selection criteria, including modern portfolio theory, fundamental and technical methods, and more, to create a systematic and practical structure. The objective of this research is to present a model using the Minimax risk measure and utilizing options as a tool to control and limit uncertainty. This path begins with a comprehensive review of the literature to identify the most widely used machine learning and deep learning algorithms. By reviewing the papers in this field, machine learning algorithms including linear regression, decision trees, random forests, gradient boosting, and support vector machines have been selected as the algorithms of choice for this research. The performance of the selected algorithms is assessed using data from 5 companies listed on the Tehran Stock Exchange, which have options and high market value, over the period from 01/01/1403 to 31/05/1403 on a daily basis. In the first step, the price prediction of the selected symbols is performed using machine learning algorithms, and after comparing the obtained results with error metrics, the linear regression algorithm is chosen as the most suitable algorithm for the specified period. In the second step, the portfolio optimization model using the Minimax risk measure and options is implemented by referring to the data of the five listed companies and their predicted prices by the linear regression algorithm. To validate the proposed model, the mean-variance model is presented for portfolio optimization. The results show that the proposed model, using the linear regression algorithm, has better accuracy and performance.

بهينه‌سازي سبد سرمايه , سنجه‌هاي ريسك , اختيار معامله , داده‌كاوي , ابزار مشتقه

Portfolio Optimization , Risk Measures , Option , Data Mining , Derivative

Amirhossein Nikoosokhan

Dr. Rouzbeh Ghousi