فهرست نشریات علمی دسترسی آزاد ایران

هدف: این پژوهش با استفاده از رویکرد پیش‌بینی احتمالاتی و بهینه‌سازی استوار، به‌منظور در نظر گرفتن‌عدم قطعیت پارامترهای مدل بهینه‌سازی پرتفوی در بازار سرمایه ایران انجام شده است. تمرکز اصلی این پژوهش، بر ارتقای عملکرد پرتفوی با لحاظ‌عدم قطعیت و بهره‌گیری از مدل‌های یادگیری ماشین، برای ساخت پرتفوهایی با نسبت شارپ بیشینه در بازار سرمایۀ ایران است.روش: در این مطالعه، دو رویکرد رایج به‌منظور در نظر گرفتن‌عدم قطعیت پارامترها در مدل بهینه‌سازی پرتفوی استفاده شده است. نخستین رویکرد رایج، رویکرد بهینه‌سازی استوار است که برای هر پارامتر، یک مجموعۀ‌عدم قطعیت ترسیم می‌کند و مسئله را به‌گونه‌ای تحلیل می‌کند که جواب ایجاد شده در شرایط بدبینانۀ پارامترها نیز بهینه باشد. رویکرد دیگر، مدل یادگیری ماشین پیشرفتۀ تقویت‌سازی گرادیان طبیعی و استفادۀ خروجی آن در رویکرد پیش‌بینی احتمالاتی است. ورودی‌های این مدل، پنج اندیکاتور تکنیکال، از جمله شاخص قدرت نسبی، میانگین متحرک همگرایی/ واگرایی، میانگین محدودۀ واقعی، میانگین موزون قیمت معاملات و مومنتوم در نظر گرفته شده است. تحلیل تکنیکال یکی از رویکردهای اصلی در بررسی و پیش‌بینی روند بازارهای مالی است که بر پایۀ مطالعه و ارزیابی داده‌های تاریخی قیمت و حجم معاملات شکل گرفته است. در این روش فرض بر این است که تمام اطلاعات بنیادی و روانی بازار در قیمت‌ها منعکس می‌شود و حرکت قیمت‌ها، الگوهایی تکرارپذیر و قابل شناسایی ایجاد می‌کنند. این پژوهش در ده صنعت اعم از فلزات اساسی، پالایش فراورده‌های نفتی، بانک و مؤسسه‌های اعتباری، پتروشیمی و مواد شیمیایی، خودرو، سیمان، دارو، فلزات گران‌بها، لاستیک و پلاستیک و کانی‌های فلزی انجام شده است. صنایع نام‌برده، جزء بزرگ‌ترین صنایع بازار سرمایۀ ایران هستند و از منظر ارزش بازار، بخش عمده‌ای از بازار سرمایه را شامل می‌شوند. صنایع یاد شده، طیف گسترده‌ای از حوزه‌های تولیدی و خدماتی را دربرمی‌گیرند که هریک در اقتصاد و توسعۀ صنعتی کشور نقشی بنیادی دارند. در مجموع، هم‌افزایی این صنایع تنوع‌بخشی به اقتصاد، ارزآوری، اشتغال و توسعۀ پایدار را تقویت می‌کند. پس از پیاده‌سازی مدل‌های استوار و پیش‌بینی احتمالاتی در بهینه‌سازی پرتفوی، عملکرد نتایج با دو پرتفوی مبنای وزن برابر و مدل میانگین واریانس مارکوویتز با استفاده از شاخص شارپ مقایسه شد.یافته‌ها: با در نظر گرفتن داده‌های فروردین ۱۴۰۱ تا فروردین ۱۴۰۳، به‌عنوان داده‌های آموزش (در مدل گرادیان طبیعی تقویت شده) و تخمین پارامترها (در مدل بهینه‌سازی استوار) و داده‌های سال ۱۴۰۳ به‌عنوان تست، پرتفوهای هر ۱۰ صنعت تشکیل و بازده و ریسک آن‌ها با رویکرد خارج از نمونه محاسبه شد. مقایسۀ نتایج پرتفوها نشان داد که هر دو رویکرد ارائه شده در پژوهش، نسبت به پرتفوی‌های مبنا در سطح معناداری ۹۹ درصد، شاخص شارپ بیشتری دارند.نتیجه‌گیری: این پژوهش نشان داد که استفاده از پیش‌بینی‌های توزیعی به‌جای نقطه‌ای و ترکیب آن با استراتژی‌های بتای هوشمند و همچنین، در نظر گرفتن‌عدم قطعیت پارامترها در مدل‌های بهینه‌سازی پرتفوی، به ساخت پرتفویی با نسبت بازده به ریسک بالاتر منجر می‌شود و این عملکرد برتر در سطح معناداری ۹۹ درصد معنادار است. همچنین بر این اساس می‌توان نتیجه گرفت استفاده از شاخص‌های تکنیکال به‌عنوان عوامل اثرگذار بر بازده، می‌تواند در پیش‌بینی بازده موفق عمل کند و بهره برداری از آن‌ها به‌منظور تشکیل پرتفوی بتای هوشمند، به پرتفویی با عملکرد بهتر منتج می‌شود.