ﻣﻬﻤﺘﺮﯾﻦ دﻏﺪﻏﻪ ﺳﺮﻣﺎﯾﻪﮔﺬاران، اﻓﺰاﯾﺶ ﻣﯿﺰان ﺳﻮد و ﮐﺎﻫﺶ رﯾﺴﮏ درﺑﻮرس ﺑﻮده و ﻫﻤﻮاره ﺑﻪ دﻧﺒﺎل راهکاری جهت ﺑﻬﺘﺮﯾﻦ ﭘﯿﺸﻨﻬﺎد در ﺧﺮﯾﺪ ﺳﻬﺎم هستند، تا ﺑﯿﺸﺘﺮﯾﻦ سود ﺳﺮﻣﺎﯾﻪﮔﺬاری را ﺑﺎﺷﺪ. در تحقیقات اﻧﺠﺎم ﺷﺪه مشاهده می شود که ﻣﺪل رﯾﺎﺿﯽ ﻣﯿﺎﻧﮕﯿﻦ وارﯾﺎﻧﺲ ﻣﺎرﮐﻮﯾﺘﺰ ﯾﮑﯽ از اﺻﻠﯽﺗﺮﯾﻦ راهکارها اس چکیده کامل
ﻣﻬﻤﺘﺮﯾﻦ دﻏﺪﻏﻪ ﺳﺮﻣﺎﯾﻪﮔﺬاران، اﻓﺰاﯾﺶ ﻣﯿﺰان ﺳﻮد و ﮐﺎﻫﺶ رﯾﺴﮏ درﺑﻮرس ﺑﻮده و ﻫﻤﻮاره ﺑﻪ دﻧﺒﺎل راهکاری جهت ﺑﻬﺘﺮﯾﻦ ﭘﯿﺸﻨﻬﺎد در ﺧﺮﯾﺪ ﺳﻬﺎم هستند، تا ﺑﯿﺸﺘﺮﯾﻦ سود ﺳﺮﻣﺎﯾﻪﮔﺬاری را ﺑﺎﺷﺪ. در تحقیقات اﻧﺠﺎم ﺷﺪه مشاهده می شود که ﻣﺪل رﯾﺎﺿﯽ ﻣﯿﺎﻧﮕﯿﻦ وارﯾﺎﻧﺲ ﻣﺎرﮐﻮﯾﺘﺰ ﯾﮑﯽ از اﺻﻠﯽﺗﺮﯾﻦ راهکارها است اما ﺑﻬﺘﺮ اﺳﺖ ﻣﻌﯿﺎرﻫﺎیی همچون ﭼﻮﻟﮕﯽ با در نظر گرفتن ﭘﺘﺎﻧﺴﯿﻞ آینده ﺳﻬﺎم مورد بررسی قرار گیرد. در اﯾﻦ ﺗﺤﻘﯿﻖ از 20 ﺷﺮﮐﺖ اول از 50 ﺷﺮﮐﺖ ﺑﺮﺗﺮ ﺳﻪ ﻣﺎﻫﻪ اول سال 2019 اﻋﻼم ﺷﺪه ﺗﻮﺳﻂ ﺷﺮﮐﺖ ﺑﻮرس ﺑﻪ ﻋﻨﻮان ﻧﻤﻮﻧﻪ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ. همچنین اﯾﻦ ﭘﮋوﻫﺶ ﺑﻪ دﻧﺒﺎل اراﺋﻪ مدلی است که در آن پتانسیل آینده سهام ، توسط شبکه عصبی پرسپترون چندلایه با چندسناریو مختلف از جمله پیش بینی از روش خود سری زمانی قیمت سهام و یا پیش بینی با تاثیر عوامل موثر در تغییرات قیمت سهام، پیش بینی می شود. ﺳﭙﺲ، اﯾﻦ ﻣﺪلﻫﺎی بهینه سازی ﺑﺎ اﺳﺘﻔﺎده از اﻟﮕﻮرﯾﺘﻢ هوش جمعی سالپ که از الگوریتم های نوظهور و با قدرت همگرایی بالا است، ﺣﻞ ﻣﯽﮔﺮدد. ﻧﺘﺎﯾﺞ ﺗﺤﻘﯿﻖ ﺑﯿﺎﻧﮕﺮ آن اﺳﺖ ﮐﻪ ﻣﺪلﻫﺎی اراﺋﻪ ﺷﺪه در اﯾﻦ ﻣﻘﺎﻟﻪ، در ﻣﻘﺎﯾﺴﻪ ﺑﺎ روشﻫﺎی ﺳﻨﺘﯽ و ﺷﺎﺧﺺ ﺑﺎزار، ﺑﺎزدﻫﯽ ﺑﺎﻻﺗﺮی را برای سرمایه گذاران فراهم می نماید.
پرونده مقاله
هدف این تحقیق انتخاب بهینه سهام با استفاده از الگوریتم خفاش و جنگل تصادفی است. در این پژوهش براساس تحلیل۶ متغیر: نسبت قیمت سهام بر سود هر سهم، نرخ رشد سود سالانه، نرخ رشد فروش سالانه، بازده داراییها، بازده حقوق صاحبان سهام و سهام شناور آزاد استخراج شده از 181 شرکت پذیر چکیده کامل
هدف این تحقیق انتخاب بهینه سهام با استفاده از الگوریتم خفاش و جنگل تصادفی است. در این پژوهش براساس تحلیل۶ متغیر: نسبت قیمت سهام بر سود هر سهم، نرخ رشد سود سالانه، نرخ رشد فروش سالانه، بازده داراییها، بازده حقوق صاحبان سهام و سهام شناور آزاد استخراج شده از 181 شرکت پذیرفته شده بورس اوراق بهادار تهران، در طی دوره زمانی ۱۳۹۴ تا ۱۳۹۸ استفاده شده است. ۶ سناریو به منظور برآورد دقت دو الگوریتم در نظر گرفته شده است به طوریکه برای سناریوهای ۱ تا ۶ از الگوریتمها خواسته شده است تا به ترتیب ۵، ۱۰، ۱۵، ۲۰، ۲۵ و ۳۰ شرکت پیدا کند. نتایج نشان میدهد که ماهیت الگوریتم جنگل تصادفی نیاز به آموزش و انتخاب ویژگیها دارد که باعث میشود سرعت الگوریتم پایینتر باشد و زمان همگرایی را بالا میبرد. یکی از علت اساسی دقت بالاتر الگوریتم جنگل تصادفی در سناریوهای ۱ تا ۳ این مورد میتواند باشد. در سناریوها ۴ تا ۶ به علت افزایش پیچیدگی مساله دقت الگوریتم جنگل تصادفی کاهش پیدا میکند ولی به دلیل ماهیت تصادفی بودن الگوریتم خفاش دقت آن تفاوت چندانی ندارد و میتواند پایداری در انتخاب خود را حفظ نماید.
پرونده مقاله