تشکیل پرتفوی سهام با استفاده از مدل تحلیل ممیز قطری درجه دو و وزن دهی بر اساس احتمال پسین

پیش‌بینی بازدهی سهام از مهم‌ترین مسائل سرمایه‌گذاری در اوراق بهادار است از طرفی، با توجه به اینکه بازار سهام، سیستمی غیرخطی و آشوب گونه که تحت تاثیر شرایط سیاسی، اقتصادی و غیره هست لذا پیش‌بینی بازدهی نیازمند ابزارهای هوشمند و پیشرفته‌ای همچون ماشین‌های یادگیرنده است. در این تحقیق هدف اصلی تفکیک سهام به دو طبقه پربازده و کم بازده و تشکیل پرتفوی است که بدین منظور از تحلیل ممیز قطری درجه دوم و ماشین بردار پشتیبان و  همچنین برای گزینش بهترین متغیرها جهت پیش‌بینی طبقه بازدهی از روش انتخاب ویژگی متوالی استفاده شده است. برای هر مدل در حالتی که وزن سهم‌ها برابر است بر اساس پیش‌بینی طبقه بازدهی هر سهم طی سال‌های 88-91 پرتفوی تشکیل داده شده است که نتایج رضایت بخش بوده و همه پرتفوی های تشکیل شده بازدهی بیشتر از بازدهی پرتفوی معیار داشتند. برای مدل تحلیل ممیز با انتخاب ویژگی،‌ از احتمال پسین جهت وزن دهی استفاده و با پرتفوی معیار مقایسه شد که نتایج دلالت بر وجود تفاوت معنادار بین بازدهی دو پرتفوی و برتری پرتفوی مدل تحلیل ممیز دارد.