توسعه مدل قیمت گذاری دارایی ها با الهام از شبکه های عصبی گراف
منبع:
مدیریت مالی هوشمند سال ۲ تابستان ۱۴۰۵ شماره ۲ (پیاپی ۶)
76 - 93
حوزههای تخصصی:
قیمت گذاری صحیح دارایی ها یکی از مهم ترین چالش های حوزه مالی و سرمایه گذاری محسوب می شود. مدل های سنتی قیمت گذاری دارایی، نظیر مدل قیمت گذاری دارایی های سرمایه ای و مدل های عاملی، عمدتاً بر فرضیات خطی و روابط ایستا میان متغیرها استوار هستند و در تبیین پیچیدگی ها و وابستگی های ساختاری موجود در بازارهای مالی با محدودیت هایی مواجه اند. در سال های اخیر، پیشرفت های حاصل در حوزه یادگیری عمیق و به ویژه شبکه های عصبی گراف، امکان مدل سازی روابط پیچیده و غیرخطی میان اجزای یک سیستم را فراهم کرده است. پژوهش حاضر با هدف توسعه یک مدل نوین قیمت گذاری دارایی ها مبتنی بر شبکه های عصبی گراف انجام شده است. در این پژوهش، دارایی ها و ارتباطات میان آن ها در قالب یک گراف مالی مدل سازی شده و با بهره گیری از سازوکار انتشار اطلاعات در شبکه های عصبی گراف، اثرات متقابل میان دارایی ها در فرآیند پیش بینی بازده مورد انتظار لحاظ می شود. مدل پیشنهادی با استفاده از داده های بازار سرمایه آموزش داده شده و عملکرد آن از طریق معیارهای متداول پیش بینی و قیمت گذاری با مدل های کلاسیک و سایر روش های یادگیری ماشین مقایسه می شود. نوآوری اصلی این پژوهش در بهره گیری از ساختار شبکه ای بازار مالی و استخراج روابط پنهان میان دارایی ها برای بهبود فرآیند قیمت گذاری است. همچنین، امکان تلفیق اطلاعات بنیادی، معاملاتی و ارتباطات بین شرکتی در قالب یک چارچوب گرافی فراهم می شود که می تواند درک جامع تری از رفتار بازار ارائه دهد. برای ارزیابی مدل، از شاخص هایی نظیر خطای پیش بینی، توان تبیین بازده و معیارهای سنجش ریسک استفاده خواهد شد. انتظار می رود نتایج پژوهش نشان دهد که بهره گیری از ساختارهای گرافی موجب بهبود دقت پیش بینی بازده، شناسایی بهتر عوامل ریسک و افزایش توان تبیینی مدل های قیمت گذاری دارایی خواهد شد. علاوه بر این، مدل پیشنهادی می تواند در مدیریت پرتفوی، تخصیص بهینه دارایی ها و طراحی راهبردهای سرمایه گذاری هوشمند مورد استفاده قرار گیرد. یافته های این پژوهش افق های جدیدی را در توسعه مدل های مالی مبتنی بر هوش مصنوعی و تحلیل شبکه های مالی فراهم خواهد ساخت.