ارائه مدل ترکیبی بهینهسازی سبد سهام براساس پیشبینی قیمت با شبکه عصبی بازگشتی LSTM به کمک محدودیتهای کاردینالیتی و روشهای تصمیمگیری چندمعیاره (مطالعه موردی بورس اوراق بهادار تهران)
نویسندگان
1 دانشیار گروه حسابداری، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
2 استادیار، گروه مدیریت، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران.
3 دانشجوی دکتری مهندسی مالی، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران.
4 استادیار گروه حسابداری، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران.
doi
10.52547/JFMP.11.36.119چکیده
پیشبینی 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 پیشبینی، پیشنیاز ایجاد سبد سهام با ساختاری بهینه است. لذا هدف از انجام این پژوهش ارائه مدلی ترکیبی است تا به سرمایهگذاران در انتخاب سبد سهام بهینه کمک نماید. بنابراین، با استفاده از فرآیند تحلیل سلسله مراتبی بهبودیافته از میان صنایع فعال در بورس اوراق بهادار تهران، ده صنعت برتر براساس معیارهای مؤثر بر ارزش صنایع انتخاب میشوند. سپس با کمک شبکه عصبی بازگشتی حافظه کوتاه مدت ماندگار قیمت سهام شرکتهای فعال طی بازه زمانی ابتدای خرداد 1395 تا ابتدای خرداد 1400، در افقهای زمانی مورد نظر، پیشبینی میگردد. در گام بعد با روش راهحل سازشی ترکیبی، سه سبد سهام با افق زمانی کوتاهمدت، میانمدت و بلندمدت انتخاب میشود و در نهایت براساس مدل دارایی محدود مارکویتز با استفاده از روش برنامهریزی غیرخطی عدد صحیح مختلط با الگوریتم شاخه و برش، اوزان بهینه مشخص و مرز کارا رسم میگردد. نتایج پژوهش نشان میدهد، مدل ارائه شده، بازدهی بیشتری را باتوجه به ریسک در تشکیل سبدهای سهام با افقهای زمانی مشخص نسبت به روشهای سنتی نصیب سرمایهگذاران مینماید.
