ترکیب تکنیک‌های انتخاب ویژگی و لایت‌جی‌بی‌ام برای پیشنهاد مدلی جهت انتخاب پورتفولیو بهینه در بازار سهام ایران[پايان نامه فارسي]

آرین امینیان سرداری

شناسگر رکورد: ۵۱۶۳۷
رشته تحصیلی: سیستم های مالی
عنوان: ترکیب تکنیک‌های انتخاب ویژگی و لایت‌جی‌بی‌ام برای پیشنهاد مدلی جهت انتخاب پورتفولیو بهینه در بازار سهام ایران
نويسنده: آرین امینیان سرداری
استاد راهنما : دکتر رباب کلانتری
مقطع تحصیلی : کارشناسی ارشد
دانشگاه : خاتم
تاریخ دفاع : ۱۴۰۳
چکیده: بهینه‌سازی سبد سهام فرآیند انتخاب بهترین توزیع دارایی است که اهداف مالی مانند حداکثر کردن بازده مورد انتظار یا به حداقل رساندن ریسک مالی را برآورده می‌کند. بهینه‌سازی سبد سهام یکی از موضوعات نگران‌کننده در امور مالی است و موفقیت آن متکی بر پیش‌بینی دقیق بازار سهام آینده است که به دلیل ماهیت پویا و غیر ثابت چالش برانگیز است. بدین منظور پژوهش حاضر از مدل XGBoost برای یافتن ۸ سهم با بیشترین سوددهی استفاده می‌کند. این سهام به‌صورت ماهانه به سرمایه‌گذار در تصمیم‌گیری برای خرید سهام با بیشترین سود کمک می‌نمایند. علاوه بر این، ارزیابی معیارهای آماری در داده‌های سهام که یکی از چالش‌های مهم در تحلیل و مدل‌سازی آنها است، با تبدیل داده‌های سری زمانی به داده‌های جدولی توسط ابزار TSfresh برطرف شده است. همچنین سبدهای سهام پیشنهادی توسط مدل به‌صورت وزن‌دار و هم‌وزن هستند و با استفاده از معیارهای سورتینو، کالمار و MDD و همچنین سبد سهام ممنتم و IREX، مورد ارزیابی قرار می‌گیرند. طبق نتایج به دست آمده، سبد سهام وزن‌دار عملکرد بهتری در مقایسه با سایرین دارد و مدیریت ریسک بهتری انجام می‌دهد. بهینه‌سازی سبد سهام ابزاری کلیدی برای سرمایه‌گذاران است که به آن‌ها کمک می‌کند تا با مدیریت بهینه ریسک و بازده، تصمیمات مالی بهتری اتخاذ کنند و در نهایت به اهداف مالی خود نزدیک‌تر شوند. کلمات کلیدی: پیش‌بینی قیمت سهام، بهینه‌سازی سبد سهام، یادگیری ماشین، مدل XGBoost، ابزار TSFresh.
شماره ثبت نسخه جلد بخش مرجع شماره بازیابی در دست امانت تاریخ بازگشت ملاحظات
284592 1
Copyright 2025 by Payam Hannan co ltd. PayamLib.com