رویکردهای نوین در بهینه سازی پرتفوی: مرور و تحلیل یادگیری ماشین، معیارهای محیطی اجتماعی و حاکمیتی و هوش مصنوعی توضیح پذیر

مدیرت پرتفوی در سالهای اخیر با چالش هایی مانند نوسانات بازار، ریسک های غیرمالی و پیچیدگی داده ها مواجه شده است. همزمان پیشرفت های یادگیری ماشین، معیارهای محیطی، اجتماعی و حاکمیتی و هوش مصنوعی توضیح پذیر فرصت های جدیدی برای بهبود تصمیم گیری مالی و بهینه سازی پرتفوی فراهم کرده اند. این مقاله به صورت مروری و تحلیلی، پژوهش های بین المللی در حوزه مدیریت پرتفوی را جمع بندی و یکپارچه سازی می کند و کاربرد مدل های مختلف یادگیری ماشین، الگوریتم های یادگیری عمیق، یادگیری تقویتی، مدل های بدون نظارت و متاهیوریستیک ها را بررسی می نماید؛ همچنین تاثیر داده های جایگزین و معیارهای محیطی، اجتماعی و حاکمیتی بر کاهش ریسک و افزایش بازده و پایایی سرمایه گذاری مورد تحلیل قرار گرفته است. یافته ها نشان می دهد که ترکیب ابزارهای یادگیری ماشین با محیطی اجتماعی و حاکمیتی و هوش مصنوعی توضیح پذیر، بهبود قابل توجهی در بازده پرتفوی، کاهش حداکثر افت سرمایه و افزایش نسبت شارپ و سورتینو ایجاد می کند. همچنین هوش مصنوعی توضیح پذیر، موجب شفافیت تصمیمات مدل ها و افزایش اعتماد سرمایه گذاران می شود. این مرور نظام مند روندها و فرصت های موجود در تحقیقات پیشین را مشخص کرده و چارچوبی کاربردی برای پژوهشگران و مدیران پرتفوی ارائه می دهد. نتایج این مطالعه نشان می دهد که استفاده همزمان از ابزارهای مدرن تحلیلی و معیارهای پایداری می تواند به بهینه سازی مدیریت پرتفوی و اتخاذ تصمیمات مالی آگاهانه کمک نماید.

کلیدواژه ها:

مدیریت پرتفوی ، یادگیری ماشین ، معیارهای محیطی اجتماعی و حاکمیتی ، هوش مصنوعی توضیح پذیر ، بازار نوظهور