بهینه سازی پرتفوی مبتنی بر پیش بینی برای سهام گروه های وابسته به نفت در ایران با استفاده از روش های داده کاوی
هدف اصلی این تحقیق استفاده از یک مدل بهینه سازی پرتفوی مبتنی بر پیش بینی برای انتخاب پرتفوی سهام گروه های وابسته به نفت در بازار بورس تهران است. برای این منظور، ابتدا با استفاده از داده های خوشه بندی شده بازار سهام و مبتنی بر رهیافت داده کاوی، سهام فرآورده های نفتی و صنایع شیمیایی پیش بینی شده است. سپس، با استفاده از عوامل موثر بر تغییرات شاخص هر گروه مانند قیمت نفت خام، نرخ ارز، نرخ بهره جهانی، قیمت جهانی طلا و شاخص S&P500 شاخص هر صنعت با استفاده از الگوریتم های شبکه عصبی MLP و RBF تخمین زده شده و در نهایت با مقایسه عملکرد هر یک از الگوریتم ها، بهترین الگوریتم برای پیش بینی رفتار شاخص هر صنعت شناسایی شده است. در ادامه با استفاده از الگوریتم های خوشه-بندی K-Means، SOM و FCM شرکت های موجود در این دوصنعت از لحاظ نسبت های مالی خوشه بندی شده و با بهترین الگوریتم سهام مناسب از هرگروه شناسایی شده است. نتایج تحقیق بیانگر آن است که الگوریتم MLP ازدقت بالاتری برخوردار است. همچنین الگوریتم FCM بهترین خوشه ها را تولید می کند. نتایج تجربی نشان می دهد، سهام پتروشیمی سپاهان و خارگ در کوتاه مدت و پتروشیمی خارگ و فناوران و پالایشگاه نفت تهران بیشترین بازده را در پرتفوی در افق میان مدت و بلندمدت دارد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.