نسیمه عبدی

نسیمه عبدی

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۱ مورد از کل ۱ مورد.
۱.

ارائه مدل ترکیبی بهینه سازی سبد سهام براساس پیش بینی قیمت با شبکه عصبی بازگشتی LSTM به کمک محدودیت های کاردینالیتی و روش های تصمیم گیری چندمعیاره (مطالعه موردی بورس اوراق بهادار تهران)(مقاله علمی وزارت علوم)

کلید واژه ها: پیش بینی قیمت شبکه عصبی بازگشتی حافظه کوتاه-مدت ماندگار فرآیند تحلیل سلسله مراتبی بهبودیافته راه حل سازشی ترکیبی محدودیت های کاردینالیتی

حوزه های تخصصی:
تعداد بازدید : 326 تعداد دانلود : 865
پیش بینی قیمت سهام به دلیل ماهیت نوسانی بازار و پویایی روند حرکت قیمت، نقش مهمی در ایجاد یک استراتژی کارآمد با بازدهی بالا دارد، همچنین نتایج حاصل از پیش بینی، پیش نیاز ایجاد سبد سهام با ساختاری بهینه است. لذا هدف از انجام این پژوهش ارائه مدلی ترکیبی است تا به سرمایه گذاران در انتخاب سبد سهام بهینه کمک نماید. بنابراین، با استفاده از فرآیند تحلیل سلسله مراتبی بهبود یافته از میان صنایع فعال در بورس اوراق بهادار تهران، ده صنعت برتر براساس معیارهای مؤثر بر ارزش صنایع انتخاب می شوند. سپس با کمک شبکه عصبی بازگشتی حافظه کوتاه مدت ماندگار قیمت سهام شرکت های فعال طی بازه زمانی ابتدای خرداد 1395 تا ابتدای خرداد 1400، در افق های زمانی مورد نظر، پیش بینی می گردد. در گام بعد با روش راه حل سازشی ترکیبی، سه سبد سهام با افق زمانی کوتاه مدت، میان مدت و بلند مدت انتخاب می شود و در نهایت براساس مدل دارایی محدود مارکویتز با استفاده از روش برنامه ریزی غیرخطی عدد صحیح مختلط با الگوریتم شاخه و برش، اوزان بهینه مشخص و مرز کارا رسم می گردد. نتایج پژوهش نشان می دهد، مدل ارائه شده، بازدهی بیشتری را باتوجه به ریسک در تشکیل سبدهای سهام با افق های زمانی مشخص نسبت به روش های سنتی نصیب سرمایه گذاران می نماید.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان