ارزیابی عوامل موثر بر بهینه سازی سبد سرمایه گذاری در بازارهای مالی متد جنگل تصادفی

بر اساس ROE هدف این پژوهش ارزیابی عوامل موثر بر بهینه سازی سبد سرمایه گذاری در بازار بورس تهران با استفاده از الگوریتم جنگل تصادفی بود. در این راستا، داده های مالی و تکنیکال سه نماد بورسی های وب، سغدیر و پرداخت در بازه زمانی یک ساله منتهی به خرداد ۱۴۰۴ جمع آوری و تحلیل شد. مدل جنگل تصادفی برای پیش بینی بازده سهام و ارائه سیگنال های خرید فروش به کار گرفته شد و متغیرهای بنیادی (مانند P/E و ...) و کلان اقتصادی مانند قیمت طلا و نفت (برنت) مورد بررسی قرار گرفتند. نتایج نشان داد که مدل جنگل تصادفی توانایی قابل قبولی در پیش بینی بازده سهام دارد به طوری که دقت پیش بینی خرید فروش بین ۶۳ تا ۷۳ و مقدار R۲ برای نمادهای مختلف بین ۰.۰۴ تا ۰.۱۶ بود. تحلیل اهمیت ویژگی ها حاکی از تاثیر بالای متغیرهای بنیادی با تاخیر زمانی مانند ROELag۲ و P/E RatioLag و عدم تاثیر معنادار متغیرهای کلان اقتصادی جهانی بود. نرم افزار توسعه یافته مبتنی بر این مدل، امکان ارائه پیشنهادات تخصیص سرمایه و سیگنال های معاملاتی را فراهم کرد. مقایسه با مطالعات پیشین نشان داد که این پژوهش با تلفیق متغیرهای بنیادی و تکنیکال و ارائه ابزار عملیاتی، رویکردی نوین و بومی سازی شده برای بازار ایران ارائه می دهد. محدودیت هایی نظیر نوسانات بالای برخی نمادها و کیفیت داده های کلان اقتصادی نیز شناسایی شد. پیشنهادات پژوهش شامل استفاده از داده های داخلی، ترکیب مدل با سایر روش های یادگیری ماشین و بررسی بلندمدت تر برای بهبود دقت پیش بینی است. این پژوهش با ارائه چارچوبی عملی برای سرمایه گذاران و غنی سازی ادبیات مالی گامی موثر در جهت هوشمندسازی تصمیم گیری های سرمایه گذاری در بازار بورس تهران بر می دارد.

کلیدواژه ها:

بهینه سازی سبد سرمایه گذاری ، پیش بینی بازده سهام ، جنگل تصادفی ، یادگیری ماشین