چکیده:
هدف این پژوهش افزایش بازده سرمایهگذاری با ارایه مدلهایی مبتنی بر هوش مصنوعی است. سرمایهگذاری در بازارهای مالی را میتوان در بعدهای کوتاهمدت(روزانه) و میانمدت(ماهانه) بررسی کرد. در بعد کوتاهمدت، دادههای روزانة بازارهای بورس اوراق بهادار تهران، ارز و سکة بهار آزادی، از ابتدای سال 1389 تا پایان شهریور ماه 1391 استخراج و به عنوان ورودی به شبکههای عصبی(ANN) و مدل برنامهنویسی ژنتیک(GP) وارد شدند تا با استفاده از آنها قیمت روز آتی این بازارها پیشبینی شود. همچنین در بعد میانمدت بازده و ریسک ماهانة 20 شرکت فعالتر بورس و ریسک ماهانة بازار ارز و سکة بهار آزادی و سپردة بانکی، به وسیلة الگوریتم ژنتیک مورد استفاده قرار گرفت تا سبدهای سرمایهگذاری بهینه به سرمایهگذاران ارایه کند. نتایج حاصل از اجرای مدلها بیانگر کارایی هر دو روش شبکههای عصبی مصنوعی و برنامهنویسی ژنتیک در پیشبینی کوتاهمدت بازارهای مالی است؛ در حالیکه شبکههای عصبی مصنوعی کارایی بهتری از خود بروز میدهند. همچنین کارایی الگوریتم ژنتیک در بهبود بازده و ریسک سرمایهگذاری از طریق شناسایی سبدهای بهینة سرمایهگذاری نیز به اثبات رسید.
This project is looking for increasing return on investment، by presenting models based on artificial intelligence. Investment in financial markets could be considered in short-term (daily) and middle-term (monthly) basis. hence the daily data in Tehran Stock Exchange and the rates of foreign exchange and gold coins have been extracted for the period Mar. 2010 to Sep. 2012 and recorded as the data into the neural networks and the genetic programming model. Also the monthly rate of return and risk of 20 active companies of the stock exchange، and the monthly risk values of foreign exchange and gold coin، as well as bank deposits were used as genetic algorithms in order to provide optimum investment portfolios for the investors. The results obtained from executing the models indicates the efficiency of both methods of artificial neural network and also genetic programming in the short-term financial markets predictions، but artificial neural networks show a better efficiency. Also the efficiency of genetic algorithm was approved in improving the rate of return and risks، via identifying the optimum investment portfolios.
خلاصه ماشینی:
"در بعد کوتاهمدت، دادههای روزانة بازارهای بورس اوراق بهادار تهران، ارز و سکة بهار آزادی، از ابتدای سال 1389 تا پایان شهریور ماه 1391 استخراج و به عنوان ورودی به شبکههای عصبی(ANN) و مدل برنامهنویسی ژنتیک(GP) وارد شدند تا با استفاده از آنها قیمت روز آتی این بازارها پیشبینی شود.
همچنین در بعد میانمدت بازده و ریسک ماهانة 20 شرکت فعالتر بورس و ریسک ماهانة بازار ارز و سکة بهار آزادی و سپردة بانکی، به وسیلة الگوریتم ژنتیک مورد استفاده قرار گرفت تا سبدهای سرمایهگذاری بهینه به سرمایهگذاران ارایه کند.
بازارهای مالی، بازده، ریسک، شبکة عصبی مصنوعی، برنامه نویسی ژنتیک، الگوریتم ژنتیک مقدمه سرمایهگذاری را میتوان رکن اساسی اقتصاد کشور دانست، که اگر به نحو مطلوب صورت پذیرد، باعث افزایش تولید ملی و رشد اقتصادی میشود.
با توجه به مطالب گفته شده، پرسش اصلی در این پژوهش این است که آیا میتوان مدل قابل اتکایی برای پیشبینی عملکرد بازارهای مختلف سرمایهپذیر طراحی کرد تا سرمایهگذاران با کمک آن بتوانند فرصتهای مطلوب سرمایهگذاری را شناسایی کنند؟ مبانی نظری و پیشینة پژوهش سرمایهگذار با توجه به ریسک و بازده، بخشهای مطلوب برای سرمایهگذاری را از میان چهار بازار اقتصاد انتخاب میکند.
متغیرهای مستقل این پژوهش در مدلهای شبکة عصبی مصنوعی و برنامهنویسی ژنتیک برای پیشبینی بازار بورس اوراق بهادار تهران عبارتند از: قیمت بازار آزاد دلار امریکا، حباب قیمت سکة بهار آزادی، قیمت جهانی هر اونس طلای 24 عیار و قیمت سبد نفتی اوپک هستند؛ همچنین متغیر وابسته این مدلها شاخص قیمت بورس اوراق بهادار تهران است."