کاربرد تحلیل تکنیکال و فیلتر مارکوف در مدیریت سبد سهام بهینه آتی با تاکید بر میزان ریسک سرمایه گذار رویکرد هوش مصنوعی فراابتکاری

در تصمیم‌گیری به‌منظور سرمایه‌گذاری، دو عامل از اهمیت بسزایی برخوردار بوده و مبنای سرمایه-گذاری می‌باشد. این دو عامل ریسک و بازده هستند و در این رابطه، بررسی و مطالعه سرمایه‌گذاران در جهت انتخاب بهترین سبد سرمایه‌گذاری با توجه به میزان ریسک و بازده آن انجام می‌شود. هدف این تحقیق ایجاد سبد بهینه سهام با استفاده از داده‌های پیش‌بینی‌شده می‌باشد. نمونه آماری تحقیق شامل داده‌های مالی شرکت‌های بورس ایران طی سال‌های 1390 تا 1397 می‌باشد. در این پژوهش با استفاده از الگوریتم رگرسیون لبه اقدام به پیش‌بینی بازده سهام شده است و درنهایت با استفاده از روش مارکوف و الگوریتم خوشه‌بندی طیفی و روش تحلیل تکنیکال فیلتر لازم جهت انتخاب داده‌های اولیه مناسب انجام شد و روش فراابتکاری فرهنگی، سبد بهینه سهام را برای گروه سرمایه‌گذار با تمایلات ریسک‌پذیر و همچنین ریسک گریز ارائه کرد. نتایج تحقیق نشان می‌دهد که فیلتر کردن داده‌ها باعث انتخاب سبد بهینه برتر می‌شود و الگوریتم فراابتکاری فرهنگی با توجه به نسبت شارپ توانایی ایجاد سبد بهینه سهام با استفاده از داده‌های پیش‌بینی‌شده را با روش مارکوییز برای سرمایه‌گذاران ریسک‌پذیر و ریسک گریز دارد.

application of technical analysis in predictingthe optimal stock portfolio

in decision making for investment, two factors are very important and are the basis of investment. these two factors are risk and return, and in this regard, the study and study of investors to select the best investment portfolio is done according to the amount of risk and its return. a portfolio is a combination of assets formed by an investor to invest. the process of selecting a stock portfolio is one of the issues that has been the focus of many researchers. the aim of this study is to create an optimal stock portfolio using the predicted data. the statistical sample of the research includes the financial data of iranian stock exchange companies during the years 1390 to 1397. in this study, using stock regression algorithm to predict stock returns, and finally using markov method and spectral clustering algorithm, the necessary filter to select the appropriate initial data was performed and cultural meta-processing method with prediction data, it provided the optimal portfolio of stocks for the investor group with risk-taking as well as risk-averse. the research results show that the cultural transcendental algorithm, according to sharp's method, has the ability to create an optimal stock portfolio using predicted data using the marquis method for venture capitalists and risk averse investors.