بررسی عملکرد روش‌های وزن‌دهی در مدل‌های چندعاملی در بازار بورس تهران [Persian Thesis]

سجاد شکرگزار

شناسگر رکورد: ۵۲۴۱۴
رشته تحصیلی: مهندسی مالی و مدیریت ریسک
عنوان: بررسی عملکرد روش‌های وزن‌دهی در مدل‌های چندعاملی در بازار بورس تهران
نويسنده: سجاد شکرگزار
استاد راهنما : دکتر مهدی حیدری
مقطع تحصیلی : کارشناسی ارشد
دانشگاه : خاتم
تاریخ دفاع : ۱۴۰۴
چکیده: هدف اصلی این پژوهش، بازآفرینی و ارزیابی تطبیقی مدل‌های متنوع یادگیری ماشین برای پیش‌بینی بازده مقطعی سهام در بازار سرمایه ایران است. مسئله قیمت‌گذاری تجربی دارایی‌ها به‌ویژه در بازارهای نوظهور، با چالش‌هایی همچون نسبت پایین سیگنال به نویز، ابعاد بالای داده‌ها و ابهام در فرم تابعی روابط پیش‌بینی‌کننده‌ها مواجه است. به همین منظور، در این مطالعه مجموعه‌ای از مدل‌های خطی، رگرسیون‌های جریمه‌شده، مدل‌های تعمیم‌یافته و غیرخطی به‌کار گرفته شدند. داده‌های پژوهش شامل کلیه شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران و فرابورس ایران طی دوره زمانی ۱۳۹۰ تا ۱۴۰۳ است. برای افزایش کیفیت داده‌ها، فرآیندهای پیش‌پردازش از جمله جایگزینی داده‌های گمشده، نرمال‌سازی و رتبه‌بندی مقطعی اجرا گردید. ارزیابی مدل‌ها با استفاده از پروتکل پنجره غلتان و دو معیار کلیدی انجام شد: عملکرد آماری R۲-OOS و عملکرد اقتصادی (نسبت شارپ استراتژی‌های معاملاتی خرید-فروش) نتایج نشان داد تمامی مدل‌ها در پیش‌بینی نقطه‌ای بازده ضعیف عمل کرده و مقادیر R۲-OOS منفی ثبت نمودند؛ با این حال، همین مدل‌ها در رتبه‌بندی سهام و تشکیل سبدهای خرید-فروش عملکرد بسیار مطلوبی داشته و نسبت‌های شارپ سالانه معناداری تولید کردند. به‌ویژه، مدل‌های شبکه عصبی، الاستیک‌نت و جنگل تصادفی بالاترین نسبت شارپ را کسب کردند. تحلیل فاکتورها نیز نشان داد متغیرهای سودآوری، پایداری مومنتوم و اندازه شرکت مهم‌ترین پیش‌بینی‌کننده‌ها در بازار ایران هستند. این یافته‌ها حاکی از آن است که در بازارهای نوظهور، ارزش اصلی یادگیری ماشین نه در پیش‌بینی دقیق بازده، بلکه در شناسایی قیمت‌گذاری نادرست نسبی و اجتناب از سهام با عملکرد ضعیف نهفته است. بر این اساس، پژوهش حاضر علاوه بر افزودن به ادبیات قیمت‌گذاری دارایی به خصوص در ایران، کاربردهای عملی مهمی برای مدیران سبد و سرمایه‌گذاران در بازار سرمایه ایران ارائه می‌دهد.
واژگان کلیدی: قیمت‌گذاری دارایی‌ها
یادگیری ماشین
بیش‌بینی بازده سهام
نسبت شارپ
بازار سرمایه ایران
رگرسیون جریمه‌شده
جنگل تصادفی
شبکه‌های عصبی مصنوعی
Register Number Part3 Version Volume Part Part2 Reference Call Number lended Date Back Description
284954 1
Copyright 2026 by Payam Hannan co ltd. PayamLib.com