بهینه سازی سبد به کمک ویژگی‌های مبتنی بر تفاضلات کسری[Persian Thesis]
علی فضائلی
| شناسگر رکورد: | ۵۱۶۸۴ |
| رشته تحصیلی: | مهندسی مالی و مدیریت ریسک |
| عنوان: | بهینه سازی سبد به کمک ویژگی‌های مبتنی بر تفاضلات کسری |
| نويسنده: | علی فضائلی |
| استاد راهنما : | دکتر رباب کلانتری |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۴۰۳ |
| چکیده: | بهینه‌سازی سبد سرمایه‌گذاری یکی از چالش‌های اساسی در دنیای مالی امروز است. انتخاب ترکیب بهینه دارایی‌ها برای دستیابی به حداکثر بازده و حداقل ریسک از اهمیت ویژه‌ای برخوردار است. این پژوهش به معرفی رویکردی نوین مبتنی بر یادگیری تقویتی و تفاضل‌گیری کسری برای بهینه‌سازی سبد سرمایه‌گذاری می‌پردازد. تفاضل‌گیری کسری به تحلیل دقیق‌تر داده‌های سری زمانی کمک کرده و امکان حفظ حافظه بلندمدت سری را فراهم می‌آورد. سپس، با استفاده از الگوریتم‌های یادگیری تقویتی، الگوهای موجود در داده‌های قیمت شناسایی شده و از آن‌ها برای بهینه‌سازی سبد سرمایه‌گذاری بهره گرفته می‌شود. در این پژوهش، ابتدا تفاضل‌گیری کسری بر روی داده‌های قیمت اعمال شده و به عنوان یک ویژگی جدید به مدل‌های یادگیری تقویتی اضافه شده است. این روش، با حفظ اطلاعات آماری و بهبود ایستایی سری زمانی، به بهینه‌سازی سبد کمک می‌کند. نتایج نشان می‌دهند که استفاده از این ویژگی‌ها به طور قابل‌توجهی معیارهای ارزیابی سبد را بهبود بخشیده و دقت پیش‌بینی و کارایی سبد سرمایه‌گذاری را افزایش داده است. همچنین، در هر چهار مدل مطالعه‌شده در این پژوهش، شامل بهینه‌سازی سیاست مجاور، بازیگر-منتقد با مزیت، گرادیان سیاست قطعی عمیق و بازیگر-منتقد نرم، شاهد افزایش نسبت‌های شارپ و کالمار بودیم که نشان‌دهنده بهبود عملکرد سبد در ابعاد مختلف بوده است. در این تحقیق از روش‌های نوین و کارآمد استفاده شده و جزئیات ساخت تفاضلات کسری و تنظیمات پارامترهای آن به طور کامل بیان شده است.کلیدواژه‌ها: بهینه سازی سبد، یادگیری ماشین، سری زمانی، تفاضلات کسری، بهینه‌سازی سیاست مجاور، بازیگر-منتقد با مزیت، گرادیان سیاست قطعی عمیق، بازیگر-منتقد نرم. |
| Register Number | Version | Volume | Part | Reference | Call Number | lended | Date Back | Description | |
|---|---|---|---|---|---|---|---|---|---|
| 284618 | 1 |
LoginWithYourAccountToPostComment