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.

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.

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