ارائه مدل ترکیبی بهینه سازی سبد سهام براساس پیش بینی قیمت با شبکه عصبی بازگشتی LSTM به کمک محدودیت های کاردینالیتی و روش های تصمیم گیری چندمعیاره (مطالعه موردی بورس اوراق بهادار تهران)

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 259

فایل این مقاله در 25 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_FINANC-11-36_005

تاریخ نمایه سازی: 15 اسفند 1401

چکیده مقاله:

پیش بینی قیمت سهام به دلیل ماهیت نوسانی بازار و پویایی روند حرکت قیمت، نقش مهمی در ایجاد یک استراتژی کارآمد با بازدهی بالا دارد، همچنین نتایج حاصل از پیش بینی، پیش نیاز ایجاد سبد سهام با ساختاری بهینه است. لذا هدف از انجام این پژوهش ارائه مدلی ترکیبی است تا به سرمایه گذاران در انتخاب سبد سهام بهینه کمک نماید. بنابراین، با استفاده از فرآیند تحلیل سلسله مراتبی بهبود یافته از میان صنایع فعال در بورس اوراق بهادار تهران، ده صنعت برتر براساس معیارهای موثر بر ارزش صنایع انتخاب می شوند. سپس با کمک شبکه عصبی بازگشتی حافظه کوتاه مدت ماندگار قیمت سهام شرکت های فعال طی بازه زمانی ابتدای خرداد ۱۳۹۵ تا ابتدای خرداد ۱۴۰۰، در افق های زمانی مورد نظر، پیش بینی می گردد. در گام بعد با روش راه حل سازشی ترکیبی، سه سبد سهام با افق زمانی کوتاه مدت، میان مدت و بلند مدت انتخاب می شود و در نهایت براساس مدل دارایی محدود مارکویتز با استفاده از روش برنامه ریزی غیرخطی عدد صحیح مختلط با الگوریتم شاخه و برش، اوزان بهینه مشخص و مرز کارا رسم می گردد. نتایج پژوهش نشان می دهد، مدل ارائه شده، بازدهی بیشتری را باتوجه به ریسک در تشکیل سبدهای سهام با افق های زمانی مشخص نسبت به روش های سنتی نصیب سرمایه گذاران می نماید.

کلیدواژه ها:

پیش بینی قیمت ، شبکه عصبی بازگشتی حافظه کوتاه-مدت ماندگار ، فرآیند تحلیل سلسله مراتبی بهبودیافته ، راه حل سازشی ترکیبی ، محدودیت های کاردینالیتی

نویسندگان

نسیمه عبدی

دانشجوی دکتری مهندسی مالی، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران.

مهدی مرادزاده فرد

دانشیار، گروه حسابداری، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران.

حمید احمدزاده

استادیار، گروه حسابداری، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران.

محمود خدام

استادیار، گروه مدیریت، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Babaei, S., Sepehri, M. M., & Babaei, E. (۲۰۱۵). Multi-objective ...
  • Bertsimas, D., & Kallus, N. (۲۰۲۰). From predictive to prescriptive ...
  • Berutich, J. M., López, F., Luna, F., & Quintana, D. ...
  • Bolster, P., & Warrick, S. (۲۰۰۸). Matching Investors with Suitable, ...
  • Cardoso, R. T., Barroso, B. C., de Oliveira, M. d. ...
  • Cesarone, F., Scozzari, \A., & Tardella, F. (۲۰۱۱). Portfolio selection ...
  • Chen, C., & Zhou, Y.-s. (۲۰۱۸). Robust multiobjective portfolio with ...
  • Chen, L., Qiao, Z., Wang, M., Wang, C., Du, R., ...
  • Deng, G.-F., Lin, W.-T., & Lo, C.-C. (۲۰۱۲). Markowitz-based portfolio ...
  • Dewan, A., & Sharma, M. (۲۰۱۵). Prediction of heart disease ...
  • Fernández, A., & Gómez, S. (۲۰۰۷). Portfolio selection using neural ...
  • Freitas, F. D., De Souza, A. F., & de Almeida, ...
  • H.Markowitz.(۱۹۵۲).Portfolio selection. The Journal of Finance,۷(۱),۷۷-۹۱ ...
  • Hochreiter, S., & Schmidhuber, J. (۱۹۹۷). Long Short-term Memory. Neural ...
  • Kaczmarek, T., & Perez, K. (۲۰۲۱). Building portfolios based on ...
  • Kannan, R., Bayraksan, G., & Luedtke, J. R. (۲۰۲۰). Data-driven ...
  • Krause, A. (۲۰۰۱). An Overview of Asset Pricing Models. University ...
  • Lai, H., Liao, H., Wen, Z., Zavadskas, E. K., & ...
  • Ledoit, O., & Wolf, M. (۲۰۱۷). Nonlinear Shrinkage of the ...
  • Li, F., Phoon, K. K., Du, X., & Zhang, M. ...
  • Mansini, R., Ogryczak, W. o., Speranza, M. G., & Societies, ...
  • Maringer, D. G. (۲۰۰۶). Portfolio management with heuristic optimization (Vol. ...
  • Meziani, A. S. (۲۰۰۳). Assessing the Effect of Investment Barriers ...
  • Mirabi, M., & Zarei Mahmoudabadi, M. (۲۰۲۰). Optimization Portfolio Selection ...
  • Mohebbi, S., Fadaienejad, M. E., & Hamidizadeh, M. R. (۲۰۲۱). ...
  • Peng, X., & Luo, Z. (۲۰۲۱). Decision-making model for China’s ...
  • Saborido, R., Ruiz, A. B., Bermúdez, J. D., Vercher, E., ...
  • Shajun Nisha, S., Mohamed Sathik, M., & Nagoor Meeral, M. ...
  • Sivam, S., & Rajendran, R. (۲۰۲۰). On the Modelling of ...
  • Yazdani, M., Mohammed, A., Bai, C., & Labib, A. (۲۰۲۱). ...
  • Yazdani, M., Zarate, P., Kazimieras Zavadskas, E., & Turskis, Z. ...
  • Bienstock, D. (۱۹۹۶). Computational study of a family of mixed-integer ...
  • نمایش کامل مراجع