بهینه سازی پرتفوی مبتنی بر پیش بینی برای سهام گروه های وابسته به نفت در ایران با استفاده از روش های داده کاوی

پیام:
چکیده:

هدف اصلی این تحقیق استفاده از یک مدل بهینه‌سازی پرتفوی مبتنی بر پیش‌بینی برای انتخاب پرتفوی سهام گروه‌های وابسته به نفت در بازار بورس تهران است. برای این منظور، ابتدا با استفاده از داده‌های خوشه‌بندی شده بازار سهام و مبتنی بر رهیافت داده‌کاوی، سهام فرآورده‌های نفتی و صنایع شیمیایی پیش‌بینی 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 الگوریتم‌های شبکه عصبی MLP و RBF تخمین زده شده و در نهایت با مقایسه عملکرد هر یک از الگوریتم‌ها، بهترین الگوریتم برای پیش‌بینی رفتار شاخص هر صنعت شناسایی شده است. در ادامه با استفاده از الگوریتم‌های خوشه-بندی K-Means، SOM و FCM شرکت‌های موجود در این دوصنعت از لحاظ نسبت‌های مالی خوشه‌بندی 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 خوشه‌ها را تولید می‌کند. نتایج تجربی نشان می‌دهد، سهام پتروشیمی سپاهان و خارگ در کوتاه‌مدت و پتروشیمی خارگ و فناوران و پالایشگاه نفت تهران بیشترین بازده را در پرتفوی در افق میان‌مدت و بلندمدت دارد.

نوع مقاله:
مقاله پژوهشی/اصیل
زبان:
انگلیسی
صفحات:
225 -252
لینک کوتاه:
magiran.com/p2139917 
برخی از خدمات از جمله دانلود متن مقالات تنها به مشترکان مگیران ارایه می‌گردد. شما می‌توانید به یکی از روش‌های زیر مشترک شوید:
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 400,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!
توجه!
  • دسترسی به متن مقالات این پایگاه در قالب ارایه خدمات کتابخانه دیجیتال و با دریافت حق عضویت صورت می‌گیرد و مگیران بهایی برای هر مقاله تعیین نکرده و وجهی بابت آن دریافت نمی‌کند.
  • 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.