توسعه هوش مصنوعی فازی و مدل برنامه ریزی چند هدفه برای بهینه سازی پورتفوی شرکت های سرمایه گذاری

هدایت درست و تخصیص بهینه منابعِ مالی سبب افزایش تولید و رشد ناخالص ملی، ایجاد شغل و افزایش رفاه عمومی می‏شود. پژوهش حاضر با هدف ارایه یک استراتژی سرمایه گذاری تلاش می کند مسیر پیشرفت شرکت سرمایه گذار را در بازارهای مالی هموار کند. بنابراین، پژوهش پیش رو را می توان از نظر هدف کاربردی دانست. همچنین با توجه به اینکه در تحقیق حاضر از مدل ریاضی ، مدلسازی، هوش مصنوعی و ... بهره گرفته شده و بهینه سازی پورتفوی شرکت سرمایه گذار را با مدل پیشنهادی مورد ارزیابی قرار میدهد، لذا از نوع تحقیقات کمی و توصیفی می باشد. این پژوهش عملکرد مدل پیشنهادی را در سه حالت: شرکت سرمایه گذار محتاط، میانه رو و ریسک‌پذیر ارزیابی نمود. نتایج به‏دست آمده نشان داد که برای هر سه حالت، استراتژیِ ارایه شده به طور قابل توجهی بهتر از شاخص بازار و سایر استراتژی‏های پیشین عمل می‏کند.در پایانِ دوره سرمایه گذاری، پورتفوی ریسک‌پذیر نسبت به سایر پورتفوی ها از ارزش بالاتری برخوردار بود. از سوی دیگر، پورتفوی محتاط، بازدهِ پایدار و باثبات تری کسب کرده است.این نتایج آشکار نمود که برنامه ریزی فازی ارائه شده قادر است خصوصیات و تمایلات شرکت سرمایه گذار را در ترکیب پورتفوی منعکس کند.

Development of fuzzy Artificial Intelligence and MultiObjective planning Model to Optimize the Portfolio of Investment Companies

Proper management and optimal allocation of financial resources will increase gross national product and growth, create jobs and increase public welfare. The purpose of this study is to present an investment strategy that has tried to pave the way for the development of the investing company in the financial markets. Therefore, the forthcoming research can be considered as applied in terms of purpose. Also, considering that in the present research, mathematical modeling, modeling, artificial intelligence, etc. are used and the optimization of the investor company's portfolio is evaluated with the proposed model, so it is a quantitative and descriptive research. This study evaluated the performance of the proposed model in three modes: prudent, moderate and risky investor company. The results showed that for all three cases, the proposed strategy performs significantly better than the market index and other previous strategies. At the end of the investment period, the risky portfolio was more valuable than other portfolios. On the other hand, a prudent portfolio has achieved a more stable and stable return. These results revealed that the proposed fuzzy programming is able to reflect the characteristics and desires of the investor company in the portfolio composition.