تشکیل سبد سهام بهینه با استفاده از ترکیب مدل های LSTM و میانگین- واریانس مارکویتز

سبد سهام یا پرتفوی، ترکیب مناسبی از سهام یا دارایی ها است که یک سرمایه گذار آنها را خریداری کرده است. هدف از تشکیل سبد سهام، تقسیم کردن ریسک سرمایه گذاری بین چند سهم است. مدل میانگین- واریانس مارکوویتز هسته بسیاری از پژوهشها در زمینه بهینه سازی سبد سهام بوده است. مدلهای کلاسیک بهینه سازی سبد سهام بر اساس مدل مارکوویتز داده های مربوط به بازده سهم در گذشته را به عنوان ورودی استفاده میکردند. در این تحقیق مدلسازی بر اساس پیشبینی بازده سهم های انتخابی صورت می گیرد. بر این اساس به ارائه رویکردی دو مرحله ای شامل ترکیب مدل یادگیری عمیق و مدل میانگین- واریانس پرداخته شده است. در مرحله اول با استفاده از شبکه LSTM به پیشبینی بازده سهم های انتخابی پرداخته شده است. در مرحله دوم به ارائه سبد سهام بهینه پرداخته میشود. خروجی مرحله اول به عنوان ورودی مدل بهینه سازی استفاده میشود. برای حل مدل بهینه سازی از الگوریتم NSGAII بر اساس معیارهای مختلف ریسک مانند VaR و CVaR استفاده شده است و در نهایت به ارائه وزن های بهینه سرمایه گذاری پرداخته شده است.