Abstract:
بهینهسازی سبد سرمایهگذاری فرآیندی است که طی آن سرمایهگذار به دنبال بیشینه کردن بازده سرمایه یا کمینه کردن ریسک است. یکی از موضوعات اصلی مشخص کردن روش بهینه سازی است که به تشکیل سبد سرمایه گذاری بهینه یعنی حداقل نمودن ریسک سرمایه گذاری و حداکثر کردن سود سرمایه گذاری می باشد. هدف پژوهش حاضر بررسی قابلیت سیستم استنتاج عصبی فازی انطباقی (ANFIS) و راهبردهای ماتریس شبکه (GA) در انتخاب و بهینه سازی سبد سرمایه گذاری از بین شرکت های بورس اوراق بهادار تهران و فرابورس ایران انتخاب شده است. گروه بندی سهام بوسیله ماتریس شبکه و دسته بندی شرکت ها براساس ارزش بازار آنها و استفاده از قانون چارک ها و در نهایت وزن دهی آنها متناسب با بازدهی پیش بینی ماه آینده آن سهم در نظرگرفته می شود. همچنین نسبت به طراحی و ارائه یک مدل بهینه سازی سبد سرمایه گذاری سهام با استفاده از سیستم استنتاج عصبی فازی انطباقی و ترکیب آن با الگوریتم ژنتیک پرداخته شده است که در آن از سه دسته مختلف متغیرهای سری زمانی ، فنی و بنیادی به عنوان ورودیهای مدل استفاده میشود. خروجیهای تحقیق نشان می دهد این سیستمها از توانایی لازم برای بهینه سازی سبد سرمایه گذاری سهام برخوردار میباشند.
Portfolio optimization is a process in which the investor seeks to maximize return on investment or minimize risk. One of the main issues is to determine the optimization method, which is to form an optimal investment portfolio, which means minimizing investment risk and maximizing investment profit. The aim of this study was to investigate the capability of adaptive fuzzy neural inference system (ANFIS) and grid matrix (GA) strategies in selecting and optimizing the investment portfolio from among selected Tehran Stock Exchange and OTC companies. The grouping of stocks by the network matrix and the classification of companies based on their market value and the use of the law of quarters and finally their weighting is considered in proportion to the forecast return for the next month of that share. Also, a stock portfolio optimization model has been designed and presented using an adaptive fuzzy neural inference system and its combination with a genetic algorithm in which three different categories of time, technical and fundamental series variables are used as model inputs. It becomes. Research outputs show that these systems have the ability to optimize the stock portfolio.
Machine summary:
هدف پژوهش حاضر بررسي قابليت سيستم استنتاج عصبي فازي انطباقي (ANFIS) و راهبردهاي ماتريس شبکه (GA) در انتخاب و بهينه سازي سبد سرمايه گذاري از بين شرکت هاي بورس اوراق بهادار تهران و فرابورس ايران انتخاب شده است .
همچنين نسبت به طراحي و ارائه يک مدل بهينه سازي سبد سرمايه گذاري سهام با استفاده از سيستم استنتاج عصبي فازي انطباقي و ترکيب آن با الگوريتم ژنتيک پرداخته شده است که در آن از سه دسته مختلف متغيرهاي سري زماني ، فني و بنيادي به عنوان ورودي هاي مدل استفاده مي شود.
ب - ويژگيهاي بنيادي در ماه ١-t شامل : ١- شاخص بازار ٢- قيمت سکه ٣- قيمت نفت ٤- قيمت يورو ٥- قيمت طلا ٦- قيمت دلار ج - ويژگي تکنيکال در ماه ١-t شامل : ١- بازدهي ماه فعلي ٢- تعداد دفعات معاملات ٣- حجم معاملات ٤- ارزش روز هر سهم ٥- نسبت ٦- نسبت ٧- ريسک سيستماتيک β ٨- ريسک ٩- شاخص قدرت نسبي (RSI) ١٠- تغييرات شاخص قدرت نسبي ١١- ميانگين متحرک ساده (SMA) 130 ١٢- تغييرات ميانگين متحرک ساده ١٣- شاخص واگرايي و همگرايي ميانگين متحرک (MACD) ١٤- تغييرات شاخص واگرايي و همگرايي ميانگين متحرک ١٥- قيمت پيش بيني شده ماه هفت منبع : ورودي محاسبات پژوهش پياده سازي مدل تنظيم پورتفوي سهام مبتني بر الگوي ترکيبي فازي عصبي و الگوريتم ژنتيک در اين روش ، از سيستم استنتاج عصبي فازي تطبيقي (ANFIS) براي پيش بيني قيمت هر سهم در سطح ماهيانه (پيش بيني ميانگين قيمت يک ماه آينده هر سهم ) استفاده ميشود.