ارتقای سطح کارائی مدیریت سرمایه گذاری دربازارسرمایه ایران با استفاده ازشبکه عصبی مصنوعی و منطق فازی

تخصیص بهینه منابع  مالی یکی ازمهمترین مسائل بازار سرمایه است. در یک بازار سرمایه کارا از بعد عملیاتی ،سرمایه در اختیار بهترین گزینه های سرمایه گذاری قرار میگیرد. بنابراین استفاده ازابزارهای مدیریت مناسب جهت کسب بازدهی بیشتر،گامی در راستای کاراترشدن مدیریت معاملات  بازاراست. با توجه به زمینه های استفاده از شبکه های عصبی و منطق فازی در سرمایه گذاری سهام و پیش بینی مالی ،بکارگیری آنها در انتخاب پر تفوی مناسب می تواند نتایج مطلوبی برای سرمایه گذاران در پی داشته باشد.هدف اصلی  این پژوهش دستیابی به پرتفوی سرمایه گذاری بهینه دربازارسرمایه بابکارگیری شبکه عصبی مصنوعی ومنطق فازی است. همراه بامدل مارکویتز،ازمدلهای ایجادشده طریق شبکه عصبی مصنوعی ومدل فازی استفاده گردید.از شرکتهای  فعال در بورس اوراق بهادارتهران، که از سال 1386الی 1395 دارای بازده مثبت بوده اند برای تشکیل پرتفوی سرمایه گذاری  انتخاب شدند.برای ارزیابی پرتفو های پیشنهادی در حالت های مختلف، به مقایسه بازده  پرتفو های مختلف بر اساس بازده ماهیانه وسالیانه  شرکت های عضووبهینه سازی پرتفوهای پیشنهادی بااستفاده ازالگوریتم ژنتیک پرداخته شده است. این تحقیق نشان میدهدکه استفاده ازمدلهای فازی نسبت به مدلهای مذکوربازدهی بالاتری رابرای سرمایه گذاران فراهم می نماید.

Promotion of Effective Level of Investment Management in Iran Capital Market using Artificial Neural Network and Fuzzy Logic

One of the most important problems in capital market is allocating financial resources in an optimal fashion. In an effective capital market, from an operational point of view, the capital is allocated for the best investment option. Therefore, in order to establish more output, making use of appropriate management tools is a step toward more effective market management of transactions. Regarding backgrounds of applying Artificial Neural Networks and Fuzzy Logic in stocks investment and financial prediction, applying them in selecting an appropriate portfolio can lead to desired results for investors. The major goal of the current research is to achieve an optimal investment portfolio in capital market by applying Artificial Neural Network and Fuzzy Logic. Accompanied by Markowitz Model, models were used which were created through Artificial Neural Network. In order to establish investment portfolio, some of those companies were selected which were active in Tehran stock exchange, and which have had positive efficiency from the year 1386 to 1395. In order to evaluate the suggested portfolios in different conditions, the output of different portfolios based on the monthly and yearly output of the member companies were compared and optimization of suggested portfolios using genetic algorithm were carried out. The study shows that using the Fuzzy models versus mentioned models would provide higher output for the investors.