مهم ترین دغدغه سرمایه‌گذاری، کاهش ارزش دارایی در آینده است که باعث گردیده، سرمایه‌گذاران مجموعه دارایی‌هایی را انتخاب کنند که کمترین ریسک و بالاترین بازده را داشته باشد. پژوهش حاضر به مساله بهینه‌سازی سبد سهام با توجه به ارزش در معرض ‌خطر ‌شرطی بر مبنای الگوریتم جدید و هوشمند آتش بازی و مقایسه آن با الگوریتم ژنتیک از روش شبیه سازی تاریخی با استفاده از نرم افزارMATLAB می‌پردازد. تنظیم پارامترهای الگوریتم‌های فراابتکاری به روش تاگوچی با استفاده از نرم افزارMINITAB انجام شد. در این پژوهش از اطلاعات سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار که اطلاعات قیمت و بازده نقدی آنها بین سالهای 1396 تا شهریور 1399 ثبت شده است و مطابق ماده 141 قانون تجارت مشمول تعلیق نیستند، استفاده شد. جهت پایایی پژوهش از آزمون دیکی فولر تعمیم یافته و آزمون فیلیپس پرون استفاده شد. برای ارزیابی دقت مدل ارزش در معرض خطر شرطی از آزمون نسبت شکست کوپیک، آزمون استقلال کریستوفرسن و آزمون ترکیبی استفاده شده است. همچنین مقایسه ای نیز بین مدل ها توسط آزمون لوپز صورت گرفت. یافته های پژوهش نشان داد که در سطوح اطمینان 95% و 99% مدل ارزش در معرض خطر شرطی با استفاده از الگوریتم آتش بازی از اعتبار مناسب و قابل اتکایی جهت سنجش ریسک بازار و بهینه کردن سبد سهام برخوردار می‌باشد. پرونده مقاله

Investment in the stock market requires decision-making and access to infor-mation on the future of the stock market. Given the importance of predicting stock returns, the present study aimed to discover the variables and indices that could predict stock returns. The prediction of stock returns has long been a 'hot topic' in advanced countries. While effective steps have been taken in this regard, the accu-rate prediction of stock returns remains a problem due to numerous issues. In this study, an accurate, applicable, and effective model was proposed for the predic-tion of stock returns. The statistical sample included 138 active companies of Tehran Stock Exchange (TSE) during 2008-2017, which were selected by the systematic removal method. In total, 1,380 data years were selected for the re-search to evaluate the questions. Data analysis was performed using an adaptive neuro-fuzzy inference system (ANFIS), multi-gene genetic programming, and regression analysis. In addition, statistical tests were applied to evaluate the accu-racy of the model, implemented by MATLAB and GeneXproTools. According to the results, the hybrid metaheuristic method had a lower error rate compared to artificial neural network and regression analysis in terms of stock return predic-tion. Therefore, the proposed model could provide more accurate data within a shorter time to predict the stock market status since it makes predictions after selecting the most optimal input variables through ANFIS. پرونده مقاله

محقق در صدد ارائه یک مدل دقیق ،کاربردی و اثربخش برای پیش بینی بازده سهام جهت سرمایه گذاران می باشد.نمونه آماری این تحقیق مشتمل بر138 شرکت فعال در بازار بورس و فرابورس اوراق بهادار تهران طی سال های 1387 تا 1396 می باشد که با روش حذف سیستماتیک انتخاب شده است ، بنابراین برای هر متغیر این پژوهش تعداد 1380 داده- سال،جهت بررسی سوالات تحقیق در نظر گرفته شده است.در این تحقیق از تکنیک انفیس،ام جی جی پی ، شبکه عصبی و تجزیه و تحلیل داده ها و همچنین آزمون های آماری متفاوت برای بررسی دقت و سرعت مدل ها استفاده شد .برای پیاده سازی تکنیک های فوق الذکر به ترتیب از نرم افزار های متلب و ژن اکس پرو تولز استفاده می شود. نتایج تحقیق حاکی از آن بود که جهت پیش بینی بازده سهام استفاده از روش ترکیبی انفیس – ام جی جی پی نسبت به سایر مدل های فرا ابتکاری از دقت و سرعت بالاتری برخوردار است ؛ زیرا ابتدا بهینه ترین متغیر های ورودی از طریق تکنیک انفیس انتخاب و بعد با استفاده از مدل فرا ابتکاری ام جی جی پی پیش بینی صورت می پذیرد. پرونده مقاله