کاظم اسمعیلی ابدر - دانشگاه تهران
هادی ویسی - استادیار دانشکده علوم و فنون نوین دانشگاه تهران
مرتضی ابراهیمی - دانشگاه تهران

هدف سیستم انتخاب سبد سهام بر صد، تعیین یک استراتژی سرمایه گذاری برای تخصیص پی در پی سرمای در پی تجمع سهام برای دستیابی به اهداف مالی خاص در بلند مدت است. الگوریتم های متنوعی برای این منظور ارایه شده است. از بین روش های موجود به روش بازگشت میانگین متحرک /میانه عملکرد بهتر نسبت به سایر روش ها دارد. پیش بینی خطی از روند آینده قیمت و تفسیر هزینه معاملات، از مهم ترین چالش های روش های موجود می باشد در این مقاله از توانایی شبکه عصبی حافظه بلندمدت ماندگار در پیش بینی قیمت سهام برای چندین گام آینده استفاده شده است. تا با افزایش ضریب ثروت هر مرحله و کاهش هزینه های معاملات، ضریب ثروت تجمعی در سیستم های انتخاب سبد سهام برخط را افزایش دهد. نتایج حاصل از موفقیت این شبکه در پیش بینی قیمت با چندین گام آینده و همچنین کاهش هزینه معاملات و بهبود ثروت تجمعی نهایی در مقایسه با روش های موجود دارد.

شبکه عصبی و حافظه بلند مدت ماندگار، بازگشت میانi، هزینه معاملات، سبد سهام fv خط