بهینه سازی پرتفوی سهام با استفاده از الگوریتم های CNN-LSTM و شبکه عصبی پیچشی

  • سال انتشار: 1401
  • محل انتشار: چهارمین همایش سالانه انجمن مالی ایران
  • کد COI اختصاصی: IFACONF04_028
  • زبان مقاله: فارسی
  • تعداد مشاهده: 514
دانلود فایل این مقاله

نویسندگان

علی نمکی

استادیار، مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

فاطمه کافی موسوی

کارشناسی ارشد، مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

چکیده

یکی از مهم ترین اهداف سرمایه گذاری تخصیص سرمایه به مجموعه ای از دارایی ها برای به حداکثر رساندن بازده و به حداقل رساندن ریسک است. در بازار سهام سرمایه گذاران ابتدا بازده مورد انتظار خود را مشخص می کنند و سپس وزن بهینه سرمایه گذاری در هر دارایی را تعیین می کنند. از این سو پیش بینی دقیق تر بازده در عملکرد سبد تشکیل شده نقش اساسی دارد؛ از آنجاکه استفاده از مدل های یادگیری ماشین و یادگیری عمیق در سالیان اخیر رشد چشم گیری داشته است و از طرفی مدل های اقتصادسنجی محدودیت های خاص خود را در مسائل پیش بینی دارند، در این پژوهش با به کارگیری روش های مبتنی بر هوش مصنوعی سری زمانی بازده دارایی ها پیش بینی می شود و سپس پرتفوهای بهینه سهام تشکیل و کارایی آن ها مقایسه می شود. ادغام این روش ها برای پیش بینی بازده سهام تشکیل دهنده پرتفوی با روش های بهینه سازی می تواند عملکرد مدل مذکور را بهبود بخشد. در این پژوهش از شرکت های موجود در شاخص ۳۰ شرکت برتر در بازه زمانی فروردین ۱۳۹۰ تا اسفند ۱۴۰۰ استفاده شده است و پس از جمع آوری داده ها دو روش یادگیری عمیق "LSTM-CNN" و CNN"" بر روی سهام منتخب مورد آزمون قرار گرفته و نتایج حاصل با ۳ معیار Accuracy ، Hit Rate + ،Hit Rate-- مقایسه شده اند و در مرحله بعد پرتفوهای بهینه ی حاصل از این سهام با ۳ روش ماکزیمم نسبت شارپ، ارزش در معرض خطر شرطی و وزن های برابر تشکیل و سپس نتایج حاصل از این روش ها توسط دو معیار نسبت سورتینو و نسبت شارپ ارزیابی شده اند. نتایج حاصل نشان دهنده عملکرد بهتر مدل CNN-LSTM در ترکیب با روش CVaR نسبت به بقیه استراتژی ها است.

کلیدواژه ها

حافظه طولانی کوتاه مدت، شبکه عصبی پیچشی، یادگیری عمیق، بهینه سازی پرتفوی، ارزش در معرض خطر شرطی.

مقالات مرتبط جدید

اطلاعات 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.