حامد عزیزی گنزق

در این مقاله، به بررسی استفاده از روش های فرا ابتکاری برای انتخاب سبد بهینه دارایی پرداخته شده است. پس از محاسبه مرز کارای سرمایه گذاری، نقطه پرتفوی حداقل ریسک و نقطه با پذیرش ریسک بیشتر که به نسبت شارپی معروف است، ضرایب سبدهای بهینه ارزی به دست آمده و به عنوان سیگنال به معاملات الگوریتمی ارسال می شود. این کار با هدف افزایش بازدهی در بازارهای پرنوسان، مخصوصاً بازار ارز، انجام می شود. روش کار شامل چینش پی درپی سبدهای بهینه با استفاده از داده کاوی و روش های فرا ابتکاری برای به دست آوردن بهترین سبد در معرض ریسک در قالب زمانی کوتاه مدت است. مقاله از چهار مبحث اساسی بهره می برد: الگوهای غیرخطی پیش بینی نرخ ارز، محاسبه شدت در معرض ریسک با الگوی EGARCH، احصاء سبد بهینه سرمایه گذاری به صورت فرا ابتکاری، و طراحی سیستم معاملات الگوریتمی.برای حل مشکل الگوی مارکویتز، از پیش بینی آتی بازده لگاریتمی نرخ های ارز با الگوی RNN و بهینه سازی تصادفی برای محاسبه اوزان هر دارایی استفاده شده است. این اوزان به عنوان سیگنال برای اقدامات خرید، نگهداری و فروش به سیستم معاملات الگوریتمی ارسال می شود. ۹ نرخ ارز با حداقل همبستگی و استقلال بیشتر در بازار ارز برای کاهش ریسک سیستماتیک انتخاب شده اند. با آزمایش سیستم بر روی ۱۲۳ داده روزانه در بازه زمانی ۱ مارس ۲۰۲۳ تا ۲۲ ژوئن ۲۰۲۳، بازده کل ۲۷ درصدی (تقریباً ماهانه ۴.۵ درصد) برای سیستم معاملات الگوریتمی محقق شد. بیشترین زیان سیستم ۶ درصد و بیشترین سود ۵.۷ درصد بود که کارمزد هرکدام از نرخ های ارز نیز در محاسبه درنظر گرفته شده است.

پیش بینی تورم یکی از مهم ترین مسائل برای اقتصاد کشورها است. دولت ها و بانک های مرکزی برای اتخاذ تصمیمات و سیاست گذاری های اقتصادی خود، شاخص های تورم را رصد می کنند. هدف از انجام این پژوهش مقایسه الگوهای ARDL، NARX، LSTM و ARDL-D-LSTM  با یکدیگر و همچنین معرفی الگوی مناسب برای پیش بینی نرخ تورم ماهانه ایران در افق زمانی کوتاه مدت و بلندمدت است. در این پژوهش با توجه به استفاده از الگوی ترکیبی، هر دو بعد خطی و غیرخطی پوشش داده می شود و بعد از برآورد نرخ تورم ماهانه ایران در بازه 1384/1/30 تا 1397/5/30 با استفاده از آزمایش این الگوها در بازه 1397/6/31 تا 1399/6/31 می توان نتیجه گرفت که الگوی NARX برای افق زمانی کوتاه مدت و الگوی ترکیبی ARDL-D-LSTM برای افق زمانی بلند مدت عملکرد خوبی را براساس معیار RMSE از خود نشان دادند.