کاربرد یادگیری ماشین در مدیریت ریسک مالی برای صندوقهای قابل معامله در بورس ( (ETF
محل انتشار: اولین همایش ملی پژوهش های نو پدید در حسابداری، مالی، مدیریت و اقتصاد با رویکرد توسعه اکوسیستم نوآوری
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 73
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
FMEAD01_156
تاریخ نمایه سازی: 6 اسفند 1402
چکیده مقاله:
این پژوهش به بررسی کاربرد تکنیک های یادگیری ماشین در مدیریت ریسک مالی برای صندوقهای قابل معامله دربورس (ETF) پرداخته و با مطالعه موردی بر روی "صندوق آلفای متنوع جهانی " (GDAF)، اثربخشی الگوریتم های یادگیری ماشین را در پیش بینی ریسک ، بهینه سازی پورتفولیو و کارایی تخصیص دارایی بررسی می کند. استفاده از الگوریتم ماشین های بردار پشتیبان (SVM)، جنگل تصادفی ، الگوریتم ژنتیک و خوشه بندی K-Means افزایش دقت پیش بینی ریسک و تخصیص بهینه دارایی را نشان می دهد و بر اهمیت مدیریت ریسک مبتنی بر یادگیری ماشین را در دستیابی به بازده تعدیل شده ریسک و بهبود عملکرد پورتفولیو تاکید دارد. علاوه بر این ، این مطالعه استراتژی های مبتنی بر یادگیری ماشین را با رویکردهای مدیریت ریسک سنتی مقایسه می کند و پیچیدگی ها، سازگاری و پیامدهای بالقوه برای سرمایه گذاران و موسسات مالی را نشان می دهد و بینش های ارزشمندی را در مورد نقش یادگیری ماشین در تغییر شیوه های مدیریت ریسک برای ETF های سبد متنوع در چشم انداز مالی پویا ارائه می دهد.
کلیدواژه ها:
نویسندگان
کیومرث شجاعیان
کارشناسی ارشد مدیریت مالی، دانشگاه غیرانتفائی پرندک
علی جوزی
کارشناسی ارشد مهندسی صنایع، دانشگاه سمنان