بهینه سازی فازی
مهرداد رسول زاده؛ سید احمد عدالت پناه؛ محمد فلاح؛ سید اسماعیل نجفی
چکیده
هدف: افزایش ثروت سهامداران از مهمترین اهداف مدیریت مالی است. این موضوع همواره با دو مفهوم ریسک و بازده بهطور همزمان عجین است، بهگونهای که سهامداران همواره بهدنبال افزایش بازده سبد با کنترل و حداقلسازی ریسک، یا بهدنبال کاهش ریسک در سطح مشخصی از بازده موردانتظارمیباشند. برای این منظور سرمایهگذاران عمدتاً از مفاهیم ...
بیشتر
هدف: افزایش ثروت سهامداران از مهمترین اهداف مدیریت مالی است. این موضوع همواره با دو مفهوم ریسک و بازده بهطور همزمان عجین است، بهگونهای که سهامداران همواره بهدنبال افزایش بازده سبد با کنترل و حداقلسازی ریسک، یا بهدنبال کاهش ریسک در سطح مشخصی از بازده موردانتظارمیباشند. برای این منظور سرمایهگذاران عمدتاً از مفاهیم تحلیل بنیادی، به معنی توجه به ساختار درونی و عملکرد مالی شرکتها یا از مفاهیم تکنیکال، به معنی توجه به تغییرات و نوسانات قیمتی سهام در بازار یا ترکیبی از هر دو روش استفاده مینمایند. هدف اصلی پژوهش حاضر ارایه یک مدل ترکیبی است که هم به ساختار مالی به عنوان رویکرد بنیادی و هم به نوسانات قیمتی سهام در تابلو در گذشته بعنوان یک رویکرد تکنیکال توجه نموده و در نهایت با استفاده از مفهوم شبکه در تحلیل پوششی دادهها به تاثیر عملکرد مالی بر ارزش بازاری شرکت میپردازد. روششناسی پژوهش: ما در این پژوهش با ترکیب مدل مارکویتز با بازدههای فازی با مدل تحلیل پوششی دادههای شبکهای به یک مدل چندهدفه دست خواهیم یافت که با مدّنظر قراردادن عملکرد شرکتها بر اساس برخی نسبتهای مالی و تأثیر آن بر ارزش بازاری سهام، همچنین نوسانات قیمت، سعی در معرفی سبدهای سهام در بهترین حالتهای ممکن از حیث ریسک، بازده و همچنین کارایی سبد سهام خواهد داشت. در نهایت بهمنظور استفاده از مدل در انتخاب یک سبد سهام بهینه، 50 شرکت از شرکتهای فعال در بورس اوراق بهادار تهران از صنایع مختلف انتخاب، و مدل مزبور بر روی آنها اجرا گردید. همچنین برای حل مدل از الگوریتم ژنتیک چندهدفه با مرتبسازی نامغلوب استفاده شد. اصالت/ارزش افزوده علمی: پژوهش پیش رو، مدلی را معرفی می کند که با ترکیب دیدگاه سرمایه گذاران با رویکرد بنیادی و سرمایه گذاران با رویکرد نوسانات قیمتی(تکنیکالی)، تصمیم گیری برای انتخاب سبد بهینه را ساده تر می سازد. روش ارایه شده با لحاظ بازدهها بصورت اعدادی ازنوع فازی ذوزنقهای، سعی در بیان عدم قطعیت در بازدهها داشته و همچنین با استفاده از مدل شبکهای تحلیل پوششی دادهها، تاثیر کارایی شرکتها بر ارزش بازاری و افزایش ثروت سهامداران را میسنجد.
دادهکاوی و مفاهیم مربوط به آن
سامان هراتی زاده؛ فاطمه رضایی
چکیده
هدف: انتخاب سهام برای قرار گرفتن در یک سبد سهام و همچنین تخصیص میزان مناسبی از سرمایه به هر یک از سهام درون سبد، چالشهای جدی سرمایهگذاری در بازار سهام هستند. تاکنون در پژوهشهای متعددی از روشهای پیشرفته یادگیری ماشین برای انتخاب سهام درون سبد سهام استفاده شده است، استفاده از ظرفیتهای یادگیری ماشین در فرآیند تخصیص کارآمد سرمایه ...
بیشتر
هدف: انتخاب سهام برای قرار گرفتن در یک سبد سهام و همچنین تخصیص میزان مناسبی از سرمایه به هر یک از سهام درون سبد، چالشهای جدی سرمایهگذاری در بازار سهام هستند. تاکنون در پژوهشهای متعددی از روشهای پیشرفته یادگیری ماشین برای انتخاب سهام درون سبد سهام استفاده شده است، استفاده از ظرفیتهای یادگیری ماشین در فرآیند تخصیص کارآمد سرمایه میان سهام سبد کمتر موردتوجه قرار گرفته است و معمولا وزن یکسان به سهام سبد تخصیص داده میشود یا از روشهای سنتی ارزیابی ریسک برای تقسیم سرمایه میان سهام سبد استفاده میشود. نقطهضعف مشترک این روشها این است که در همه آنها از مکانیزمهای ساده و انعطافناپذیر برای تخمین کارایی یک سبد سهام استفاده میشود. در این مقاله ما برای نخستینبار نشان میدهیم که با استفاده از یادگیری ماشین میتوان مکانیزم موثرتری برای این تخمین کارایی ساخت که منجربه تخصیص پربازدهتر سرمایه به سهام سبد میشود.روششناسی پژوهش: چارچوب پیشنهادی ما موسوم به Per-Learner از دو مدل پیشبینی مبتنی بر یادگیری ماشین استفاده میکند. در گام 1 با استفاده از اطلاعات تاریخی سهام در یک مدل پیشبینی بازده سهم، سهام مناسب سبد انتخاب میشود و در گام 2 به کمک یک مدل پیشبینی مجزا سعی میشود با درنظر گرفتن همزمان سود پیشبینیشده در مدل اول و ریسک مورد انتظار هر یک از سهمهای سبد، بازده سبد در آینده پیشبینی شده و بر این اساس ترکیب وزن مناسب برای سهام سبد انتخاب و پیشنهاد گردد.یافتهها: مقایسه بازده تجمعی سبدهای تنظیمشده با این مدل و سبدهای تنظیمشده با سایر روشهای بهینهسازی سبد سهام، برتری مدل پیشنهادی را نشان میدهد.اصالت/ارزشافزوده علمی: در این مقاله با بهرهگیری از مدلهای یادگیری ماشین، فرآیند انتخاب سهام سبد و تخصیص سرمایه مناسب میان سهام سبد بهصورت خودکار انجام شده است و تاثیر آن در کارایی سبد بهوضوح دیده میشود.