الگوریتم سیستم‌های تحلیل ترکیبی در پیش‌بینی مطلوب‌ترین پرتفوی

توسعه شیوه های تحلیلی در سبد سرمایه گذاری متناسب با شرایط بازار و فضای اقتصادی می تواند به افزایش پویایی در توسعه سرمایه گذاری ها و کسب بازده بیشتر در برابر کنترل ریسک ها منجر شود. شیوه های پیش بینی و بهینه سازی به تصمیم گیرندگان مالی کمک می کنند تا براساس اطلاعات بازار بهترین سهام را در سبد سرمایه گذاری خود قرار دهند و با بهینه سازی آن به ایجاد بازده های بیشتر دست یابند. هدف این پژوهش پیش بینی اثر بخشی تفاوت پرتفوی سورتینو و مارکویتز براساس الگوریتم سیستم های تحلیل ترکیبی است. براین اساس تعداد 102 شرکت بورس اوراق بهادار تهران در بازه زمانی 1393 تا 1397 بر اساس غربالگری روشمند انتخاب و مورد قرار گرفتند. در این پژوهش از طریق جداسازی سهام ارزشی و سهام رشدی اقدام به انتخاب پرتفوی های تصادفی ساده برای بررسی و آزمون فرضیه های پژوهش شد و برای تحلیل از دو الگوریتم ماشین بردار پشتیبان و سیستم استنتاج فازی عصبی انطباق پذیر به منظور انتخاب مطلوب ترین پرتفوی بهره برده شد. نتایج پژوهش نشان داد، پرتفوی سورتینو (x) براساس الگوریتم فرا ابتکاری الگوریتم ماشین بردار پشتیبان تفاوت معناداری با پرتفوی مارکوینز (y) دارد، به طوریکه تصمیم گیرندگان در پرتفوی سورتینو به دنبال بهینه سازی سبد سهام خود از طریق سهام رشدی در بلندمدت هستند. همچنین مشخص شد، دقت سیستم تحلیل استنتاج فازی عصبی انطباق پذیر ( anfis) نسبت به دقت سیستم تحلیل ماشین بردار پشتیبان ( svm ) برای انتخاب اثر بخش ترین پرتفوی از میان پرتفوی سورتینو و مارکویتز، بالاتر است چرا که به دلیل دارا بودن همزمان از دو مکانیزم یادگیری و بهینه سازی شبکه عصبی و بیان زبانی استنتاج فازی به مدیران کمک می کند تا برآوردهای بهتری نسبت به عدم اطمینان و قطعیت از خود نشان دهند.

Algorithm of Hybrid Analysis Systems in Predicting Optimal Portfolio

The development of analytical techniques in the investment portfolio in accordance with market conditions and economic climate can increase the dynamism of investment development and achieve greater returns against risk control. Forecasting and optimization techniques help financial decision makers to place the best stocks in their portfolio based on market information and achieve greater returns by optimizing it. The purpose of this research is predicting the effectiveness of the difference between Sortino and Markowitz portfolios is based on the hybrid analysis systems algorithm. Accordingly, 102 companies of Tehran Stock Exchange were examined in the 2014 2018 period. In this study, by separating value stocks and growth stocks, random portfolios were selected to test the research hypotheses and for analysis, two algorithms Support Vector Machines (SVM) and an Adaptive Neuro Fuzzy Inference System (ANFIS) were used to select the most desirable portfolio. The results showed that Sotino (X) portfolio based on meta heuristic algorithm (support vector machine algorithm) is significantly different from Markowitz (Y) portfolio, so that decision makers in Sortino portfolio seek to optimize their stock portfolio through long term growth stocks. It was also found that the accuracy of the adaptive neural fuzzy inference analysis (ANFIS) system is higher than the accuracy of the support vector machine analysis (SVM) system to select the most effective portfolio from Sotino and Markowitz portfolio, because it has two learning mechanisms and Neural network optimization and linguistic expression of fuzzy inference help managers to make better estimates of uncertainty and uncertainty.