پرتفوی سهام

هدف پژوهش حاضر مقایسه عملکرد روشی ترکیبی نوآورانه با عملکرد بهینهسازی سبد سهام، به روش معمول مارکوییتز است. بدین منظور، ابتدا با استفاده از یک شبکه یادگیری عمیقDNN، و متغیرهای تکنیکی سهام برای بازه 2/4/1397 تا 2/6/1397، به پیشبینی قیمت آتی سهام پرداخته شد. سپس بر اساس قیمتهای آتی سهام، بازده و ریسک سهام محاسبه و سود پرتفو با قید ریسک، و با روش الگوریتم گرانشی حداکثر شد. این عمل منجر به ایجاد پرتفویهای ریسک گریز تا ریسکپذیر روی مرز کارای پارتو میشود. پس از آن بازدهی آتی پرتفوها برای دو ماه آینده محاسبه و فرایند ذکر شده برای 30 هفته به شکل پنجره غلطان و با گامهای یک هفتهای تکرار شد. این نتایج با نتایج حاصل از روش عادی مارکوییتز و با بهینه سازی از طریق الگوریتم جستجوی گرانشی مبتنی بر شاخصهای تکنیکی برای 30 دوره مقایسه شد. نتایج نشان داد که روش مبتنی بر پیشبینی قیمت سهام با استفاده از شاخصهای تکنیکی، و همچنین روش مارکویتز تنها در پرتفوی ریسک گریز عملکرد بهتری نبست به میانگین شاخص بازار ارائه می دهد.

 انتخاب و گزینش سهام و تشکیل پرتفوی سهام بهینه بستگی به عوامل متعددی دارد که تصمیم گیری را پیچیده می نماید. سرمایه گذاران می توانند با انتخاب پرتفوی بهینه سهام، بازده سرمایه گذاری خود را حداکثر یا ریسک آن را به حداقل برسانند؛ بنابراین همواره به دنبال استفاده از الگوریتم های مالی پیشرفته جهت تشکیل پرتفوی بهینه سهام می باشند. هدف از انجام این پژوهش بررسی توانایی مدل یادگیری ماشین و مدل مارکوئیتز در تشکیل پرتفوی بهینه سهام و مقایسه کارایی آن ها است. نمونه آماری پژوهش حاضر، شامل 156 شرکت پذیرفته شده در بورس اوراق بهادار تهران برای دوره زمانی 1389 الی 1398 می باشد. پس از گردآوری داده ها، مدل یادگیری عمیق و مدل مارکوئیتز با استفاده از نرم افزار آناکوندا و زبان برنامه نویسی پای تون، مورد آزمون قرارگرفته اند و سپس توانایی هریک از مدل ها در تشکیل پرتفوی بهینه سهام توسط معیارهای ارزیابی بازده پرتفوی، شاخص ترینر و شاخص جنسن تعیین گردیده است. در پرتفوی ده سهمی مدل یادگیری عمیق؛ بازده پرتفوی 697/0، شاخص ترینر 541/4 و شاخص جنسن 480/0 و در پرتفوی ده سهمی مدل مارکوئیتز؛ بازده پرتفوی 058/0، شاخص ترینر 648/1- و شاخص جنسن 158/0- محاسبه گردیده است. با توجه به نتایج ارزیابی پرتفوی این نتیجه حاصل گردید که مدل یادگیری عمیق دارای توانایی بالاتری نسبت به مدل مارکوئیتز در تشکیل پرتفوی بهینه سهام می باشد.

هدف از انجام این پژوهش توسعه روش های انتخاب پرتفوی با بکارگیری روش تحلیل پوششی داده ها است. در این پژوهش کارایی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در طبقات مختلف با استفاده از تکنیک تحلیل پوششی داده ها مورد سنجش قرار گرفته است. بدین منظور با استفاده از مدلهای CCRداده گرا و BCC  بارویکردهای CRS و VRS، کارایی نسبی شرکتها محاسبه گردیده است. همچنین واحدهای کارا شناسایی گردیده و به تشکیل پرتفویی از کاراترین شرکتها و مقایسه بازده پرتفوی با پرتفوی بازار پرداخته شده است. داده های مورد نیاز پژوهش از صورتهای مالی 228 شرکت پذیرفته شده در بورس اوراق بهادار تهران در کل صنایع برای دوره زمانی 1390-1392 گردآوری شده است. با بررسی مطالعات انجام شده جهت محاسبه کارایی شرکت ها از سه متغیر ورودی شامل، سرمایه در گردش، قیمت هر سهم و نسبت کل بدهی به کل دارایی ونیز چهار متغیر خروجی شامل، نسبت بدهی جاری به کل بدهی، سود تقسیمی هر سهم، سود هر سهم و نسبت بازده جمع دارایی استفاده شده است. یافته های تحقیق نشان داد که روش ارایه شده ، می تواند اثر مثبتی در انتخاب سبد سهام و تشکیل پرتفوی داشته باشد.