بهینه سازی سبدسهام برمبنای پیش بینی بازده سهام با استفاده از روش های یادگیری ماشین

در این مقاله به بهینه سازی سبدسهام برمبنای پیش بینی بازده سهام با استفاده از روش های یادگیری ماشین دربورس اوراق بهادار تهران طی سال های ۱۳۸۹ تا ۱۳۹۸ پرداخته می شود. مدیریت سبد سرمایه به عنوان مسئله ای مهمدر زمینە اقتصاد مطرح است و موضوع اصلی آن مدیریت علمی و انتخاب ترکیبی از دارایی هاست که اهداف سرمایه گذاریخاصی را برآورده کند. در این تحقیق پس از محاسبه ۱۶ صورت مالی به عنوان صفت خاصه، از روش های طبق بندی دادهکاوی، درخت تصمیم، شبکه عصبی و روش های ترکیبی استفاده شد. مقدار عملکرد هر روش در نرم افزار رپیدماینر باعملگر عملکرد و از طریق محاسبه شاخص دقت که برابر است با کل طبقه بندی های صحیح تقسیم بر تعداد کل مثال ها،محاسبه شده است. می توان برای پیش بینی بازده نمونه جدید از نتایج هر کدام از روش های مذکور استفاده کرد اما باتوجه به نتایج و مقدار عملکرد هر روش، روش بیز ساده با داشتن مقدار عملکرد ۷۵/۵۵ بهترین روش پیش بینی در اینپژوهش می باشد. در نهایت با استفاده از مدل های میانگین -واریانس و میانگین -واریانس -چولگی و با استفاده ازمیانگین موزون بازده هر سهم به عنوان بازده مورد انتظار، به ارائه سبد سهام پرداخته شد که روش مدل میانگین-واریانس-چولگی با درصد سرمایه گذاری(سقف ۵۰ درصد) بهترین بازده واقعی را ارائه می دهد و به عنوان انتخاب بهینه سبد سهامدر نظر گرفته شد.

کلیدواژه ها:

سبد سهام ، بهینه سازی ، پیش بینی بازده سهام ، یادگیری ماشین