ارزیابی توان مدل یا‌دگیری عمیق و مد‌ل مارکوئیتز در تشکیل پرتفوی بهینه سهام

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری حسابداری، گروه حسابداری، دانشکده ادبیات و علوم انسانی، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران

2 استاد گروه حسابداری، دانشکده مدیریت و اقتصاد، دانشگاه شهید باهنر، کرمان، ایران

3 دانشیار گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شهید باهنر، کرمان، ایران

4 استادیار گروه حسابداری، دانشکده ادبیات و علوم انسانی، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران

10.22034/iaar.2023.172752

چکیده

 انتخاب و گزینش سهام و تشکیل پرتفوی سهام بهینه بستگی به عوامل متعددی دارد که تصمیم‌گیری را پیچیده می­نماید. سرمایه­گذاران می­توانند با انتخاب پرتفوی بهینه سهام، بازده سرمایه‌گذاری خود را حداکثر یا ریسک آن را به حداقل برسانند؛ بنابراین همواره به دنبال استفاده از الگوریتم­های مالی پیشرفته جهت تشکیل پرتفوی بهینه سهام می­باشند. هدف از انجام این پژوهش بررسی توانایی مدل یادگیری ماشین و مدل مارکوئیتز در تشکیل پرتفوی بهینه سهام و مقایسه کارایی آن‌ها است. نمونه آماری پژوهش حاضر، شامل 156 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران برای دوره زمانی 1389 الی 1398 می‌باشد. پس از گردآوری داده‌ها، مدل یادگیری عمیق و مدل مارکوئیتز با استفاده از نرم‌افزار آناکوندا و زبان برنامه‌نویسی پای تون، مورد آزمون قرارگرفته‌اند و سپس توانایی هریک از مدل‌ها در تشکیل پرتفوی بهینه سهام توسط معیارهای ارزیابی بازده پرتفوی، شاخص ترینر و شاخص جنسن تعیین گردیده است. در پرتفوی ده سهمی مدل یادگیری عمیق؛ بازده پرتفوی 697/0، شاخص ترینر 541/4 و شاخص جنسن 480/0 و در پرتفوی ده سهمی مدل مارکوئیتز؛ بازده پرتفوی 058/0، شاخص ترینر 648/1- و شاخص جنسن 158/0- محاسبه گردیده است. با توجه به نتایج ارزیابی پرتفوی این نتیجه حاصل گردید که مدل یادگیری عمیق دارای توانایی بالاتری نسبت به مدل مارکوئیتز در تشکیل پرتفوی بهینه سهام می‌باشد.

کلیدواژه‌ها


  1. اسلامی بیدگلی، غلامرضا و علیرضا سارنج. (1387). "انتخاب پرتفوی با استفاده از سه معیار میانگین بازدهی، انحراف معیار بازدهی و نقد شوندگی در بورس اوراق بهادار تهران". بررسی‌های حسابداری و حسابرسی، دوره 15، شماره 53، صص 16-3.
  2. بیات، علی و لیدا اسدی. (1396). "بهینه‌سازی پرتفوی سهام: سودمندی الگوریتم پرندگان و مدل مارکوئیتز". مجله مهندسی مالی و مدیریت اوراق بهادار، دوره 8، شماره 32، صص 85-63.
  3. پارسائیان، علی و بهروز خدا رحمی. (1394). تئوری‌های نوین سرمایه‌گذاری، انتشارات ترمه، چاپ سوم، ص 6.
  4. پارسائیان، علی. (1388). تئوری حسابداری مالی، انتشارات ترمه، چاپ دوم، ص 122.
  5. پور زرندی، ابراهیم و مینا کیخا. (1393). "بهینه‌سازی سبد سهام با استفاده از روش K-meams و الگوریتم ژنتیک". مجله مهندسی مالی و مدیریت اوراق بهادار، شماره 19، صص151-131.
  6. پور زمانی، زهرا و اکرم روحانی. (1394). " رابطه میان کیفیت گزارشگری مالی و سرعت با استفاده از معیارهای ترکیبی عملکرد پرتفلیو". فصلنامه پژوهش‌های حسابداری مالی و حسابرسی، دوره 8، شماره 29، صص 163-149.
  7. پیمانی فروشانی، مسلم، امیرحسین ارضاء، مریم حمیدی زاده و مهدی اصغر زاده. (1398). "بهینه‌سازی پرتفوی به روش تسلط تصادفی در بورس اوراق بهادار تهران". فصلنامه علمی مطالعات مدیریت صنعتی، دوره 17، شماره 55، صص 207-185.
  8. تقی زاده یزدی، محمدرضا، سعید فلاح‌پور و محمد احمدی مقدم. (1395). "انتخاب پرتفوی بهینه با استفاده از برنامه‌ریزی فرا آرمانی و برنامه‌ریزی آرمانی ترتیبی توسعه‌یافته". مجله تحقیقات مالی، دوره 4، شماره 18، 612-591.
  9. تهرانی، رضا، محمد هندیجانی زاده و عیسی نوروزیان لکوان. (1394). "ارائه رویکردی جدید برای مدیریت فعال پرتفوی و انجام معاملات هوشمند سهام با تأکید بر نگرش انتخاب ویژگی". دانش سرمایه‌گذاری، دوره 13، شماره 14، صص 125-107.
  10. تهرانی، رضا و عسگر نوربخش. (1394). مدیریت سرمایه‌گذاری، انتشارات نگاه دانش، چاپ سیزدهم،  ص 175.
  11. حسینی، معصومه، شهناز مشایخ و مریم فلاح جوشقانی. (1394). "راهبرد سرمایه‌گذاری معکوس: مروری بر ادبیات بازار بورس". فصلنامه سیاست‌های مالی و اقتصادی، دوره 3، شماره 9، صص 210-195.
  12. دارابی، رویا. (1399). "توان توضیح دهندگی بازده‌های سهام به‌وسیله نوسانات نامتعارف (ریسک غیر سیستماتیک)". تحقیقات حسابداری و حسابرسی، انجمن حسابداری ایران، شماره 45، صص 170-147.
  13. رهنمای رود پشتی، فریدون، کاظم چاووشی و ابراهیم صابر. (1393). "بهینه‌سازی پرتفوی متشکل از سهام صندوق‌های سرمایه‌گذاری مشترک بورس اوراق بهادار تهران با رویکرد الگوریتم ژنتیک". فصلنامه علمی و پژوهشی دانش سرمایه‌گذاری، دوره 3، شماره 12، صص 231-217.
  14. رضایی، مهدی، محمود باغجری و پوریا مظاهری فر. (1398). "مقایسه شبکه عصبی، سیستم فازی عصبی و مدل AR در پیش‌بینی بازده اوراق بهادر و الگوریتم جستجوی موجودات همزیست با ممتیک آن در بهینه‌سازی پرتفوی". دانش مالی تحلیل اوراق بهادار، دوره 12، شماره 43، صص 119-109.
  15. فرید، داریوش، حیدر میر فخرالدینی و علیرضا رجبی پور میبدی. (1389). "کاربست VAR و انتخاب پرتفوی بهینه با استفاده از تکنیک شبیه‌سازی مونت‌کارلو (MCS) در بورس اوراق بهادار تهران". مجله دانش و توسعه، دوره 18، شماره 31، صص 118-96.
  16. فضل زاده، علیرضا، رضا رنج پور و رسول توحیدی. (1391). "بررسی توانایی مدل‌های تک شاخص شارپ و تحلیل پوششی داده‌ها در انتخاب پرتفوی کارا در بورس اوراق بهادار تهران". فصلنامه بورس اوراق بهادار، دوره 5، شماره 18، صص 59-39.
  17. فلاح‌پور، سعید، حسین صفری و نادر عمرانی. (1393). "انتخاب پرتفوی با استفاده از ترکیب روش برنامه‌ریزی ترجیحات فازی لگاریتمی و پرومترگ". مجله علوم اجتماعی و اقتصادی، دوره 2، شماره 5، صص 120-103.
  18. قاضی فینی، رضا و حسین پناهیان. (1398). "پیش‌بینی و مدل‌سازی تلاطم بازدهی سهام در بورس اوراق بهادار تهران با استفاده از مدل‌های CARCH". تحقیقات حسابداری و حسابرسی، انجمن حسابداری ایران، شماره 43،صص 70-55.
  19. کیقبادی، امیررضا و محمد احمدی. (1395). " مقایسه کارایی روش‌های GARCH و ARCH در پیش‌بینی ارزش در معرض ریسک جهت انتخاب پرتفولیوی بهینه". فصلنامه پژوهش‌های حسابداری مالی و حسابرسی، دوره 8، شماره 32، صص 82-63.
  20. کیقبادی، امیررضا، سمیه فتحی و سمیرا سیف. (1394). " رتبه‌بندی میزان تأثیر اقلام کلیدی ترازنامه‌ای و نسبت‌های سودآوری در انتخاب پرتفوی بهینه (با استفاده از تکنیک‌های داده‌کاوی)". فصلنامه پژوهش‌های حسابداری مالی و حسابرسی، دوره 7، شماره 28، صص 86-75.
  21. لطف الهی، محمد، رامین شیرالی حسین زاده، مهدی جعفری سیاوشانی و محمدصادق صابریان. (1395). "کاربرد یادگیری عمیق در تشخیص ترافیک شبکه‌های کامپیوتری". بیست و دومین کنفرانس ملی انجمن کامپیوتر ایران.
  22. میرزایی، حمیدرضا، احمد خدامی پور و امید پور حیدری. (1395). "بررسی کاربرد الگوریتم ژنتیک چند هدفه در بهینه‌سازی سهام با استفاده از شاخص‌های تکنیکال". مجله مهندسی مالی و مدیریت اوراق بهادار، دوره 29، صص 84-64.
  23. Arel, I. Rose, D.C. Karnowski, T.p. (2010). "Deep Machine Learning - A New Frontier in Artificial Intelligence Research [Research Frontier]". IEEE Computational Intelligence Magazine, 5: 13-18.
  24. Chen CH. Lu CH. Lin CH. (2020). “An intelligence approach for group stock portfolio optimization with a trading mechanism”. Knowledge and Information Systems, 62: 287-316.
  25. Deng, D. Yu, D. (2013). "Deep Learning: Methods and Applications Found". Trends Signal Process,7(4): 197–387.
  26. Essid, H. Ganouati, J. Vigeant, S. (2018). "A mean-maverick game cross-efficiency approach to portfolio selection: an application to Paris stock exchange". Expert system with applications,1-45.
  27. Hutton, A.P. Marcus, A.J. Tehranian, H. (2009). "Opaque Financial Reports, R2, and Crash Risk". Journal of Financial Economics, (94), 67-86.
  28. Iorio, C. Frasso, G. Dambrosio, A. Siciliano, R. (2017). "A P-Spline based clustering approach for portfolio selection". Expert Systems with Applications, 14: 1-34.
  29. Jones, C. P. (2002). Investment Management and Analysis, (8th ed). NewYork, John Wiley & Sons.
  30. Markowitz, H. (1952). "Portfolio selection". Finance, 7 (1) 77–91.
  31. Markowitz, H. (1959). Portfolio Selection: Efficient Diversification of Investments, John Wiley & Sons.
  32. Mehlawat, M. Kumar, A. Yadav, S. Chen, W. (2018). "Data envelopment analysis based fuzzy multi-objective portfolio selection model involving higher moments". Information Sciences, 460–461:128–150.
  33. Thakur, G. Bhattacharyya, R. Sarkar, S. (2017). "Stock portfolio selection using dempster-shafer evidence theory". Journal of king saud university computer and information science,1-13.
  34. Wilmott, P. (2007). Paul Wilmott introduces quantitative finance, John Wiley & Sons.
  35. Zhou,W. Xu, Zeshui.) 2017). "Portfolio selection and risk investment under the hesitant fuzzy environment". Knowledge-Based Systems, P 1-37.

Zhou, X. Wang, J. Yang, X. Lev, V. Tu, Y. Wang, SH. (2018). "Portfolio selection under different attitudes in fuzzy environment". Information Sciences