فهرست نشریات علمی دسترسی آزاد ایران

 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.