مدل بهینه سازی سبد سرمایه گذاری مبتنی بر پیش بینی با استفاده از رگرسیون بردار پشتیبان
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
هدف از بهینه سازی سبد سرمایه گذاری، انتخاب ترکیبی بهینه از دارایی های مالی است که می بایست راهنمای سرمایه گذاران برای دستیابی به بالاترین بازده در برابر کمترین ریسک ممکن باشد. از سوی دیگر، یکی از عوامل کلیدی در تصمیم گیری های سبد سرمایه گذاری مربوط به پیش بینی قیمت سهام است. برای این کار بطور متداول از مدل های کلاسیک غیرخطی ریاضی و هوشمند مانند رگرسیون استفاده می شود. در مطالعه حاضر برای کاهش خطاهای پیش بینی، از مدل غیرخطی رگرسیون بردار پشتیبان با خروجی های متعدد استفاده شده است. برای نشان دادن کارایی مدل پیشنهادی از داده های شرکت های شاخص S&P500 در دوره زمانی 12/09/2016 تا 02/08/2021 استفاده شده است. نتایج نشان می دهد که انتخاب سبد سهام مبتنی بر پیش بینی به کمک رگرسیون بردار پشتیبان با خروجی چندگانه به دلیل در نظر گرفتن روابط بین خروجی ها به صورت همزمان از نظر معیار شارپ، عملکرد بهتری نسبت به انتخاب سبد سرمایه گذاری بر اساس پیش بینی با استفاده از روش رگرسیون دارد.
کلیدواژگان:
زبان:
فارسی
صفحات:
252 تا 270
لینک کوتاه:
magiran.com/p2621478
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- 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.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!