انتخاب برخط سبد سرمایه گذاری به کمک الگوریتم های تبعیت از بازنده
- سال انتشار: 1399
- محل انتشار: فصلنامه تحقیقات مالی، دوره: 22، شماره: 3
- کد COI اختصاصی: JR_JFR-22-3_006
- زبان مقاله: فارسی
- تعداد مشاهده: 147
نویسندگان
کارشناس ارشد، گروه مهندسی مالی، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران.
دانشیار، گروه مهندسی مالی، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران.
کارشناس ارشد، گروه مهندسی مالی، دانشکده علوم مالی، دانشگاه خوارزمی، تهران، ایران.
چکیده
هدف: امروزه در بازارهای مالی، حجم و سرعت معاملات افزایش چشمگیری یافته است و با تحلیل های سنتی، به سختی می توان هم گام با تغییرات بازار پیش رفت. در کنار کارایی روش های سنتی، سرعت کم این رویکردها را می توان مهم ترین کاستی آنها دانست؛ چرا که نمی توانند سرعت در معامله را برآورده کنند. برای رفع این کاستی، تکنیک های دادوستد الگوریتمی ارائه شده اند که در این میان، انتخاب برخط سبد سرمایه گذاری، بسیار با اهمیت است. هدف این پژوهش، ارائه الگوریتمی برای انتخاب سبد سرمایه گذاری است که به کسب بیشترین بازدهی تعدیل شده به ریسک منجر شود و سرعت را در انتخاب سبد سرمایه گذاری افزایش دهد. روش: در پژوهش پیش رو، الگوریتمی ارائه شده است که از اصل بازگشت به میانگین چند دوره ای که مبنای الگوریتم های تبعیت از بازنده است، استفاده می کند. در این الگوریتم، خبرگان (خبره) مختلف، بردار نسبت قیمتی دوره آتی را پیش بینی می کنند، سپس، به کمک یکی از الگوریتم های نظریه پیش بینی با نظر خبرگان، وزن های تخصیصی به هریک از خبرگان تعیین می شود. سپس از یک تکنیک یادگیری برای بهینه سازی پرتفو استفاده می شود تا پرتفو دوره آتی مشخص شود. یافته ها: بر اساس یافته ها، الگوریتم های ارائه شده، در مقایسه با سایر الگوریتم های موجود در ادبیات، بر اساس سنجه های بازدهی و بازدهی تعدیل شده به ریسک عملکرد برتری دارند. نتیجه گیری: استفاده از بازگشت به میانگین چند دوره ای، بهتر می تواند مفهوم بازگشت به میانگین را منعکس کند. علاوه بر این، بهره مندی از خبرگان مختلف، دقت پیش بینی ها را افزایش داده و در نتیجه پرتفوهای بهتری پیشنهاد می شود. از سوی دیگر، بهره گیری از سیستم وزن دهی خبرگان، سبب استوار شدن مدل می شود؛ زیرا از وزن خبرگان با پیش بینی های ضعیف می کاهد و در مقابل، به وزن سایر خبرگان می افزاید.کلیدواژه ها
انتخاب برخط سبد سرمایه گذاری, اصل بازگشت به میانگین, نظر خبرگان, الگوریتم تبعیت از بازندهاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.