ارائه مدلی برای انتخاب سبد بهینه سهام با استفاده از الگوریتم هوش جمعی سالپ و شبکه های عصبی پرسپترون چندلایه

مهمترین دغدغه سرمایهگذاران، افزایش میزان سود و کاهش ریسک دربورس بوده و همواره به دنبال راهکاری جهت بهترین پیشنهاد در خرید سهام هستند، تا بیشترین سود سرمایهگذاری را باشد. در تحقیقات انجام شده مشاهده می شود که مدل ریاضی میانگین واریانس مارکویتز یکی از اصلیترین راهکارها است اما بهتر است معیارهایی همچون چولگی با در نظر گرفتن پتانسیل آینده سهام مورد بررسی قرار گیرد. در این تحقیق از 20 شرکت اول از 50 شرکت برتر سه ماهه اول سال 2019 اعلام شده توسط شرکت بورس به عنوان نمونه استفاده شده است. همچنین این پژوهش به دنبال ارایه مدلی است که در آن پتانسیل آینده سهام ، توسط شبکه عصبی پرسپترون چندلایه با چندسناریو مختلف از جمله پیش بینی از روش خود سری زمانی قیمت سهام و یا پیش بینی با تاثیر عوامل موثر در تغییرات قیمت سهام، پیش بینی می شود. سپس، این مدلهای بهینه سازی با استفاده از الگوریتم هوش جمعی سالپ که از الگوریتم های نوظهور و با قدرت همگرایی بالا است، حل میگردد. نتایج تحقیق بیانگر آن است که مدلهای ارایه شده در این مقاله، در مقایسه با روش های سنتی و شاخص بازار، بازدهی بالاتری را برای سرمایه گذاران فراهم می نماید.