بهینهسازی پرتفوی معاملات جفتی بر اساس مدلهای یادگیری عمیق برای سهام هم انباشته [پايان نامه فارسي]
مهدی دهناد
| شناسگر رکورد: | ۲۰۵۳۶ |
| رشته تحصیلی: | مهندسی مالی و مدیریت ریسک |
| عنوان: | بهینهسازی پرتفوی معاملات جفتی بر اساس مدلهای یادگیری عمیق برای سهام هم انباشته |
| نويسنده: | مهدی دهناد |
| استاد راهنما : | دکتر سعید رحیمیان دکتر مهدی حیدری |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۴۰۲ |
| چکیده: | بهینه¬سازی پرتفو به این معناست که داراییهای موجود در پرتفو اعم از اوراق، سهام، رمزارز و غیره به نحوی انتخاب شده باشند که در ازای سهم مشخصی از ریسک، بالاترین بازده را داشته باشند؛ به عبارتی دیگر داراییهای پرتفو بهازای بازده مشخصی، کمترین ریسک را متحمل شوند. مدل میانگین – واریانس که توسط مارکویتز ارائه شد، راهکاری را به این منظور ارائه داد و تئوری نوین پرتفوی را پایهگذاری کرد؛ اما با وجود گذشت چند دهه، میتوان این مشکل را مشاهده کرد که اکثر پرتفوهای مدل میانگین – واریانس، بر اساس سهام غیرمانا چیده میشوند و این شکاف در ادبیات تئوری نوین پرتفوی تا به امروز توجه زیادی را جلب نکرده است. ازاینرو، این تحقیق بر آن است تا مدل میانگین – واریانسی با خروجی پرتفوهای مانا بر اساس سهام هم انباشته با استفاده از دیتای شرکتهای بورس تهران در بازه پنجساله از دی ۱۳۹۲ تا دی ۱۳۹۷ بر روی تعدادی اندیکاتورهای روندنما، پیش¬رو و پس¬رو ارائه دهد. بازده سهام مذکور بر اساس نمونههایی از مدلهای یادگیری ماشینی شامل مدل جنگل تصادفی و LSTM و البته مدل فیلتر کالمن پیشبینیشده و عملکرد این سه مدل با یکدیگر مقایسه شده است. مدل کالمن عموماً در بازارهای صعودی بهتر و بهینهتر عمل کرده و مدل جنگل تصادفی عموماً در ریزشهای بازار عملکرد قابلتوجهی را نشان داده است. مدل LSTM هم میانهای از این دو بوده است بهطوریکه در ریزشها بهصورت قابلملاحظه، ریزش خاصی نداشته و در صعودها نیز نسبتاً خوب عمل کرده است. نوآوری و تمرکز اصلی در این تحقیق بر مقایسه نمونهای از مدلهای یادگیری ماشین با مدل LSTM از مدلهای یادگیری عمیق و در سمتی دیگر مدل فیلتر کالمن میباشد که با ترکیب این مدلها با مدل مارکویتز و البته نحوه متفاوت انتخاب سهام همراه است. واژههای کلیدی: مدلهای یادگیری عمیق – LSTM – هم انباشتگی – بهینهسازی – مدل مارکویتز |
| شماره ثبت | جزء | نسخه | جلد | بخش | قسمت | مرجع | شماره بازیابی | در دست امانت | تاریخ بازگشت | ملاحظات | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 284146 | 1 |
جهت ثبت نظر با حساب کاربری تان وارد شوید