بهینه سازی چندهدفه پویای سبد دارایی های کربن زدایی شده تحت عدم قطعیت ژئوپلیتیک با استفاده از الگوریتم های فراابتکاری ترکیبی و یادگیری عمیق بازگشتی
منبع:
مدیریت مالی هوشمند سال ۲ بهار ۱۴۰۵ شماره ۱ (پیاپی ۵)
38 - 55
حوزههای تخصصی:
گذار به اقتصاد کم کربن موجب ظهور طبقه ای جدید از دارایی های مالی با عنوان «دارایی های کربن زدایی شده» شده است. مدیریت پرتفوی این دارایی ها به دلیل عدم قطعیت ژئوپولیتیکی، نوسانات سیاست های اقلیمی و ماهیت پویای بازارهای انرژی و کربن با چالش های جدی مواجه است. این پیچیدگی ها نیازمند رویکردهای تطبیقی و داده محور هستند که توانایی مدیریت محیط های غیرایستا را داشته باشند. این مقاله چارچوبی برای بهینه سازی چندهدفه پویا ارائه می دهد که در آن ترکیبی از الگوریتم های فراابتکاری(NSGA-II، PSOو تفاضل تکاملی) و شبکه های عصبی بازگشتی عمیق (LSTM/GRU) برای پیش بینی و تصمیم گیری به کار گرفته شده است. این مدل به گونه ای طراحی شده است که هم وابستگی های زمانی و هم رفتار تصادفی بازار را در نظر بگیرد. مدل پیشنهادی به طور هم زمان بازده پرتفوی، شدت کربنی و ریسک ژئوپولیتیکی را بهینه می کند. نتایج نشان می دهد که رویکرد ترکیبی پیشنهادی در مقایسه با چارچوب کلاسیک مارکویتز، به ویژه در شرایط بسیار نوسانی و عدم قطعیت بالا، پرتفوی های پایدارتر و کارآمدتری ارائه می دهد. یافته ها بر اهمیت ترکیب هوش مصنوعی با بهینه سازی تکاملی در تصمیم گیری مالی پایدار تأکید دارند.