ارائه رویکردی نوین برای انتخاب پرتفوی برخط با درنظرگرفتن فاکتورهای ESG [پايان نامه فارسي]
علی پیریزاده
| شناسگر رکورد: | ۵۲۶۹۲ |
| رشته تحصیلی: | اقتصاد نظری |
| عنوان: | ارائه رویکردی نوین برای انتخاب پرتفوی برخط با درنظرگرفتن فاکتورهای ESG |
| نويسنده: | علی پیریزاده |
| استاد راهنما : | دکتر مهدی حق باعلی دکتر محمد علی رستگار سرخه |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۴۰۴ |
| چکیده: | مدیریت پرتفوی در بازارهای مالی پویا و ناپایدار امروزی مستلزم استفاده از روشهایی است که بتوانند بهصورت آنلاین و دادهمحور تصمیمگیری کنند. چالش اصلی در انتخاب پرتفوی بهینه، ایجاد توازن میان بازده، ریسک و پایداری (ESG) است؛ زیرا سرمایهگذاران امروزی علاوه بر بازده مالی، به جنبههای اخلاقی، زیستمحیطی و حاکمیت شرکتی نیز توجه ویژه دارند. در این پژوهش، چارچوبی نوین برای انتخاب پرتفوی آنلاین چندمعیاره ارائه شد که ترکیبی از روشهای پیشبینی مبتنی بر یادگیری عمیق و تصمیمگیری چندمعیاره را به کار میگیرد تا فرآیند انتخاب داراییها بهصورت هوشمند و پویا انجام شود. در گام نخست، دادههای مربوط به شرکتهای عضو شاخص داوجونز (DOW۳۰) در بازه زمانی ۲۰۱۷ تا ۲۰۲۴ گردآوری شد و با بهرهگیری از مدل ترکیبی Stacking_EMDFamily-LSTM، روند قیمتی و بازده هفتگی سهام پیشبینی گردید. این مدل با تجزیه سریهای زمانی به مؤلفههای ذاتی و آموزش جداگانه هر مؤلفه توسط شبکه LSTM، توانست رفتارهای غیرخطی و نوسانات پیچیده بازار را بهصورت دقیقتر بازتاب دهد. در گام بعد، برای رتبهبندی و انتخاب سهام از الگوریتم تصمیمگیری چندمعیاره TODIM استفاده شد که ورودیهای آن شامل متغیرهای گذشته و پیشبینیشده از بازده، نوسان و همبستگی میان سهام بود. به منظور کاهش ابعاد و همخطی دادهها، از تحلیل مؤلفههای اصلی (PCA) بهره گرفته شد تا مؤلفههای کلیدی رفتار بازار استخراج گردد. در مرحله وزندهی معیارها نیز برای نخستینبار دو روش MEREC و آنتروپی همراه با شبیهسازی مونتکارلو در ساختار الگوریتم TODIM به کار رفت که موجب افزایش دقت، پایداری و انطباق مدل با دادههای واقعی بازار شد. در ادامه، بر پایه خروجی این مدل، چهار رویکرد مختلف برای تشکیل پرتفوی طراحی گردید: وزن برابر، وزن مبتنی بر امتیاز تودیم، میانگین–واریانس (MV) و میانگین–واریانس با قید ESG (MV_ESG). در مدل MV_ESG، علاوه بر لحاظ میانگین حداقل امتیاز ESG بهعنوان قید انتخاب، یک جزء پایداری نیز در تابع هدف گنجانده شد تا میان بازده و مسئولیت اجتماعی تعادل برقرار شود. آزمایشها برای مقادیر مختلف شدت اثر ESG انجام گرفت و ترکیب بهینهای از بازده، ریسک و پایداری استخراج شد. نتایج نشان داد که رویکرد MV_ESG از نظر شاخصهای شارپ، کالمار و M۲ برتری قابلتوجهی نسبت به سایر مدلها دارد و در مقایسه با رویکرد معیار Buy and Hold، بازده تعدیلشده بر اساس ریسک و ثبات عملکرد بالاتری ارائه میدهد. در مجموع، چارچوب پیشنهادی این پژوهش نشان داد که ترکیب مدلهای یادگیری عمیق با الگوریتمهای تصمیمگیری چندمعیاره و قیود ESG میتواند راهکاری کارا برای مدیریت هوشمند پرتفویهای آنلاین فراهم سازد. این ساختار بهویژه در شرایط ناپایدار بازار، توانسته است تصمیمگیری سرمایهگذاری را از حالت ایستا و سنتی به مدلی تطبیقی، پویـا و مبتنی بر دادههای پیشبینیشده ارتقا دهد. |
| واژگان کلیدی: | انتخاب پرتفوی برخط TODIM Stacking-EMDFamily-LSTM MV_ESG ESG |
| شماره ثبت | جزء | نسخه | جلد | بخش | قسمت | مرجع | شماره بازیابی | در دست امانت | تاریخ بازگشت | ملاحظات | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 285048 | 1 |
جهت مشاهده فایل دیجیتال با حساب کاربریتان وارد شوید
جهت ثبت نظر با حساب کاربری تان وارد شوید