برآورد ارزش در معرض خطر با استفاده از ماشین بردار پشتیبان رگرسیونی (SVR-VaR) و کاربرد آن در کمینه سازی ریسک پرتفوی

مدیریت ریسک و تخصیص بهینه دارایی، از ارکان اصلی تصمیم گیری های مالی محسوب می شوند. مدل های کلاسیک نظیر میانگین-واریانس مارکویتز، عمدتا بر پایه فرض توزیع نرمال بازده ها بنا شده اند و در مواجهه با رفتارهای غیرخطی و پیچیده بازارهای مالی، کارایی لازم را ندارند. در این پژوهش، رویکردی برای بهینه سازی سبد سهام با تمرکز بر کمینه سازی «ارزش در معرض خطر» (VaR) ارائه شده است. بدین منظور، از الگوریتم یادگیری ماشین «رگرسیون بردار پشتیبان» (SVR) برای پیش بینی دقیق بازده دارایی ها و غلبه بر برخی محدودیت های مدل سازی خطی استفاده شده است. سپس، نتایج حاصله در یک چارچوب بهینه سازی به کار گرفته اند تا پرتفویی با کمترین ریسک ممکن تشکیل گردد. نتایج تجربی بر روی داده های بورس اوراق بهادار تهران نشان می دهد که مدل پیشنهادی (SVR-VaR) نسبت به رویکردهای سنتی، عملکرد دقیق تری در مدیریت ریسک و بهبود بازدهی دارد.

کلیدواژه ها:

پرتفولیوی سهام ، ارزش در معرض خطر ، الگوریتم بردار پشتیبان