بهینه یابی سبد دارایی شامل سهام شرکت های منتخب در بورس اوراق بهادار تهران و رمز ارزها

در بازارهای مالی، سرمایه گذاران به دنبال بهینه سازی سبد دارایی خود با هدف حداکثرسازی بازدهی و حداقل سازی ریسک هستند. نظریه های مدرن مانند مدل میانگین-واریانس مارکویتز، باوجود موفقیت در معرفی مفاهیم اساسی مدیریت سبد، در مواجهه با بازدهی های غیرنرمال و بازارهای پرنوسان محدودیت هایی دارند. این پژوهش به بررسی عملکرد دو نوع سبد سرمایه گذاری شامل سبد ترکیبی (سهام بورس تهران و رمزارزها) و سبد صرفا سهامی بورس تهران در دو حالت حداقل ریسک و پذیرش ریسک بیشتر پرداخته است. استفاده از مدل های پیشرفته مانند RNN و GARCH، برای پیش بینی بازدهی و ارزیابی ریسک، به شناسایی ترکیب های بهینه دارایی کمک کرده است. یافته ها نشان می دهد که سبد ترکیبی در هر دو حالت بازدهی مثبت ارائه داده است: در حالت حداقل ریسک بازدهی ۳% و ریسک ۸% و در حالت پذیرش ریسک بیشتر بازدهی ۵% و ریسک ۱۱%. در مقابل، سبد صرفا سهامی در حالت حداقل ریسک بازدهی منفی ۳% داشته، اما در حالت پذیرش ریسک بیشتر با بازدهی ۹% عملکرد بهتری نشان داده است. همچنین، همبستگی پایین میان سهام و رمزارزها تاثیر مثبتی در کاهش ریسک کلی سبد داشته است. این نتایج نشان می دهد که حرکت به سمت ترکیب دارایی های متنوع، به ویژه شامل رمزارزها، می تواند پایداری و بازدهی سبد سرمایه گذاری را افزایش دهد. پژوهش حاضر استفاده از روش های نوین بهینه سازی و مدیریت ریسک را برای سرمایه گذاران و سیاست گذاران مالی پیشنهاد می کند.

کلیدواژه ها:

بهینه سازی سبد دارایی ، شبکه عصبی بازگشتی ، GARCH ، رمز ارز ، ارزش در معرض ریسک شرطی (CVaR)