ارایه مدلی برای ایجاد پرتفوی هوشمند با استفاده از الگوی فیلتر کالمن و توابع کِلی

هدف از این پژوهش ارائه مدلی برای اجرای پرتفوی مالی هوشمند با استفاده از الگوی فیلتر کالمن و توابع کٍلی می باشد. بدین منظور با استفاده از داده های ماهانه 180 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 1392 لغایت 1397 و با استفاده از الگوی فیلتر کالمن و توابع کٍلی، نسبت شارپ را ارتقا داده و روش هوشمندی برای انجام معاملات براساس الگوریتم‌های مومنتوم و سرمایه گذاری بلندمدت سهام ارایه و به بررسی هدف پژوهش پرداخته شد. نتایج اجرای الگوریتم ها تایید کرد که ساختار پیشنهادی مدل هوشمند توابع کٍلی عملکردی بهتر از لحاظ بالابودن میانگین بازدهی و نسبت شارپ نسبت به الگوریتم های سرمایه گذاری کمی داشته و می توان  از توایع کٍلی در تخصیص بهینه منابع استفاده نموده تا به نتایج مطلوب تر دست پیدا کرد. نهایتاً نتایج تصریح کرد که کارایی پرتفوی هوشمند با الگوریتم توابع کٍلی بهتر از الگوی مومنتوم و سرمایه گذاری بلندمدت است.

smart portfolio modeling using the kalman filter pattern and kelly functions

the purpose of this study is to present a model for executing smart financial portfolios using kalman filter model and kelly functions. for this purpose, using the monthly data of 180 companies listed in tehran stock exchange during the period 2013 to 2019, using the kalman filter model and kelly functions, the sharp ratio is improved and the intelligent method for trading based on momentum and capital algorithms long-term stock listing was presented and the purpose of the study was examined.the results of the algorithms implementation confirm that the proposed structure of the intelligent model of kelly functions is better in terms of average efficiency and sharp ratio than the quantitative investment algorithms and it is possible to use the general constellation in optimal allocation of resources to achieve more desirable results. finally, the results indicated that the performance of the smart portfolio with the kelly functions algorithm is better than the momentum model and long-term investment.