ارائه رویکرد ترکیبی یادگیری ماشین و بهینه سازی به کمک نظریه فازی، در انتخاب سبد سهام

پژوهش حاضر جهت یافتن پرتفوی بهینه برای سرمایه گذاری از سهام بورسی انجام گرفته و یکیاز روشهاییکه در حال حاضر محبوبیتزیادی در بین تحلیلگران و پژوهشگران این حوزه شکل گرفته، روشهای مبتنی بر هوش مصنوعی و در پی آن روشهایی با هدف کاهشسنجه های ریسک می باشد. هدف تحقیق، تشکیل پرتفوی بااستفاده از روشهای یادگیری ماشین، سنجه ریسک و ترکیب آن با نظریه فازیاست، که بازده ای بهتر از بازده میانگین بازار داشته باشد. خروجی هر روش وارد الگوریتم جنگل تصادفی شده و پیش بینی به وسیله اینالگوریتم صورت می گیرد و در مرحله آخر، خروجی پیشبینی برای تشکیل سبد سرمایه وارد مدل بهینه سازی ارزش در معرض ریسک وارزش در معرض ریسک شرطی با رویکرد نظریه فازی می شوند. اطلاعات سهم ها به صورت روزانه و بازه زمانی آن از ابتدای سال ۱۳۹۴ تااواسط سال ۱۳۹۸ میباشد. در پایان هرکدام از این روشها و مراحل با بازده واقعی بازار مقایسه گردید. بر اساس نتایج بدست آمدهسنجه ریسک CVAR قابلیت بهتری را نسبتبه سنجه ریسک VAR داشته است، همچنین الگوریتم جنگل تصادفی در بین الگوریتم های یادگیری ماشین استفاده شده، نتایج بهتری را در انتخاب سبد سرمایه گذاری رقم زده است.

کلیدواژه ها:

یادگیری ماشین ، بیز ساده ، ارزش در معرض ریسک شرطی (CVaR) ، سبد سرمایه گذاری ، بورس اوراق بهادار تهران