وبلاگ

در زمینه تحقیقات سرمایه گذاری در بازار سهام و تشکیل پرتفو مدل­های کمی امکان پذیری وجود دارد. که شامل روش­های پدید آمده از محاسبات نرم افزاری برای پیش بینی سری زمانی مالی و بهینه سازی چند هدفه نرخ بازگشت سرمایه و کاهش ریسک می­باشد. علاوه بر این انتخاب ابزارهای مالی برای مدیریت پرتفو مبتنی بر رتبه بندی دارایی­ ها با بهره گرفتن از انواع مختلف داده ­های ورودی و داده ­های تاریخی نیز جزیی از روش­های استفاده شده است. از میان همه این­ها انتخاب سهام مدت طولانی است که به عنوان یک کار چالش برانگیز و مهم شناخته شده است. این خط از تحقیق بسیار مشروط بر رتبه بندی سهام مطمئن برای ساختن پرتفو است. پیشرفت­های اخیر در یادگیری ماشین و داده کاوی منجر به وجود آمدن فرصت­های قابل توجهی برای حل این مشکلات به صورت موثرتری گردیده است. در این پایان نامه مدلی ارائه شده است که با بهره گرفتن از ماشین بردار پشتیبان[1] و خوشه بندی[2]و تحلیل پوششی داده ها[3] ضمن پیش بینی، سهام­های برتر را در قالب پرتفو انتخاب می­نماید.

/%d8%af%d8%a7%d9%86%d9%84%d9%88%d8%af-%d9%be%d8%a7%db%8c%d8%a7%d9%86-%d9%86%d8%a7%d9%85%d9%87-%da%a9%d8%a7%d8%b1%d8%b4%d9%86%d8%a7%d8%b3%db%8c-%d8%a7%d8%b1%d8%b4%d8%af%d8%a7%d9%86%d8%aa%d8%ae%d8%a7-2/

1-2 هدف از پایان نامه

هدف از این پایان نامه ارائه مدلی جهت تشکیل سبد سرمایه با توجه به تحلیل بنیادی و استفاده از عملکرد مالی آنها است. توضیح بیشتر آنکه با بهره گرفتن از نسبت­های بدست آمده از صورت گزارش­های مالی و نیز تکنیک ماشین بردار پشتیبان و خوشه­بندی که در حوزه داده ­کاوی قرار می گیرند، ابتدا به آموزش سیستم یادگیری روی آورده شده است و سپس با پیش ­بینی سهام­های برتر سبد سرمایه را تشکیل داده شده است. ارائه این مدل کمک شایان توجهی به سرمایه ­گذاران در بازار سرمایه می نماید. زیرا آنان همواره به دنبال مدلی هستند که ضمن در نظر گرفتن اهداف و ارجحیت­های آنان به میل ذاتی آنان در جهت اقدام فعال و زودهنگام در مقابل اقدامات منفعلانه پاسخگو باشد.

این جمله که “تاریخ تکرار می­ شود.” و نیز تکیه بسیاری از تحقیقات در زمینه پیش ­بینی بر داده ­های تاریخی، گواه این امر است که استفاده از مجموعه داده ­های تاریخی امری متداول و ارزشمند برای اقدامات فعالانه است. خصوصا با توجه به اینکه مبنای تحلیل بنیادی بر استفاده از داده ­های معنادار صورت­های مالی است.

در مجموع اینکه در این پایان نامه به پاسخگویی در جهت رتبه بندی سهام­های بازار سرمایه و پیش بینی رتبه­ی سهام­های موجود بر اساس روند مالی سال اخیر و نیز سهام­های تازه وارد به بازار سرمایه پرداخته شده است. و در نهایت پرتفوی بهینه از دل این سهام­های منتخب تشکیل شده است.

[1] Support vector machine(SVM)

[2] Clustering

[3] Data Envelopment Analysis(DEA)