ارائه رویکردی جدید برای مدیریت فعال پرتفوی وانجام معاملات هوشمند سهام با تاکید بر نگرش انتخاب ویژگی
الموضوعات : دانش سرمایهگذاریرضا تهرانی 1 , محمد هندیجانی زاده 2 , عیسی نوروزیان لکوان 3
1 - دانشیار مدیریت مالی، دانشکده مدیریت دانشگاه تهران ، تهران،ایران
2 - کارشناس ارشد مهندسی مالی، دانشگاه تهران، تهران ، ایران (مسئول مکاتبات)
3 - کارشناس ارشد مهندسی مالی، دانشگاه تهران، تهران ، ایران
الکلمات المفتاحية: مدیریت فعال پرتفوی, شبکه عصبی, الگوریتم ژنتیک, مجاورت نزدیکترین همسایه,
ملخص المقالة :
دراین تحقیق سعی گردیده است تا در جهت اجرای نگرش مدیریت فعال پرتفوی، روشی برای انجام معاملات هوشمند براساس قیمت پیش بینی شده سهام در یک بازه زمانی چهار ساله مشخص ارائه گردد. ابتدا با استفاده از روش مارکویتز وزن های هریک از شش سهم پرتفوی شش سهمی ساخته شده در هریک از سال های بازه زمانی چهار ساله را بدست می آوریم. سپس با استفاده از بیست ودو نماگر تکنیکی (ویژگی های هر سهم) که به عنوان ورودی های الگوریتم ژنتیک به عنوان یک روش انتخاب ویژگی در نظر گرفته شده است،استفاده کرده و با استفاده از دو روش پیش بینی مجاورت نزدیکترین همسایه و شبکه عصبی اقدام به پیش بینی قیمت هر سهم می نماییم. با توجه به قیمت پیش بینی شده برای هرسهم مطابق با روش های پیش بینی شبکه عصبی مبتنی بر الگوریتم ژنتیک و روش مجاورت در نزدیکترین همسایه بر پایه الگوریتم ژنتیک و استراتژی معاملاتی تعریف شده، معاملات هوشمند سهام صورت می پذیرد. استراتژی معاملاتی تعریف شده بر اساس قیمت های پیش بینی شده دارای سیگنال های خروجی (1و0و1-) بوده که به معنای خرید سهم، فروش سهم و یا انجام هیچ گونه عملی تفسیر می گردند. بازده حاصل از پرتفوهای روش های شبکه عصبی مبتنی بر الگوریتم ژنتیک و روش مجاورت در نزدیکترین همسایه بر پایه الگوریتم ژنتیک و پرتفوی خرید و نگه داری به عنوان نماینده رویکرد مدریت غیر فعال پرتفوی در هر یک از چهار سال محاسبه گردید. پرتفوی حاصل از روش شبکه عصبی مبتنی بر الگوریتم ژنتیک دارای بالاترین بازده در دوره چهار ساله را دارا بوده که این خود نشان از برتری رویکرد مدیریت فعال پرتفوی نسبت به رویکرد مدیریت غیر فعال پرتفوی می باشد.
