پایان نامه بهینهسازی پرتفوی متشکل از سهام صندوقهای سرمایهگذاری مشترک بورس اوراق بهادار تهران با بهره گرفتن از شبکه عصبی مصنوعی و الگوریتم ژنتیک

دانشگاه علوم اقتصادی
دانشکده علوم مالی
پایاننامه کارشناسی ارشد رشته مدیریت مالی
بهینهسازی پرتفوی متشکل از سهام صندوقهای سرمایهگذاری مشترک بورس اوراق بهادار تهران با بهره گرفتن از شبکه عصبی مصنوعی و الگوریتم ژنتیک
شهریورماه 1392
(در فایل دانلودی نام نویسنده و استاد راهنما موجود است)
تکه هایی از متن پایان نامه به عنوان نمونه :
(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)
چکیده
هدف اصلی سرمایه گذاران کسب بازدهی بیشتر در سطح ریسک قابلقبول است. از سویی گسترش و پیچیدگی روزافزون بازارهای مالی، تصمیمگیری در خصوص انتخاب نوع دارایی را برای سرمایهگذاران دشوار نموده است؛ و نیز بر اساس نظریه پرتفوی، متنوع سازی سرمایه گذاریها میتواند منجر به کاهش نوسانها در عین حفظ متوسط بازده گردد. امروزه صندوقهای سرمایهگذاری مشترک به عنوان یکی از نهادهای نوین بازار سرمایه میباشند که با فروش سهام خود به عامه مردم وجوهی را تحصیل و سپس با ایجاد تنوع در داراییهای خود سعی در قابلقبول سازی ریسک سرمایهگذاری، به وسیلهی کاهش و یا حذف ریسک سیستماتیک، دارند. این پژوهش به دنبال بررسی مقایسه ای توان پیشبینی مدل رگرسیون با بهره گرفتن از دادههای ترکیبی به عنوان مدلی خطی و روش شبکههای عصبی مصنوعی به عنوان روشی غیرخطی و سپس امکان بهینهسازی پرتفوی متشکل از سهام صندوقهای سرمایهگذاری مشترک با بهره گرفتن از الگوریتم ژنتیک و در نهایت مقایسه آن با مدل مارکویتز میباشد؛ همچنین جهت مقایسه پرتفویها، تأثیر اندازه سبد سرمایه گذاری نیز مورد بررسی قرار گرفته است. برای این منظور ابتدا عوامل مؤثر بر بازده صندوقهای سرمایهگذاری مشترک در قالب 13 متغیر شناسایی شدند.
نتایج نشان میدهد که با بهره گرفتن از معیارهای ارزیابی عملکرد مذکور تا حدودی میتوان بازده صندوقها را پیشبینی نمود و هر دو روش رگرسیون با دادههای ترکیبی و شبکه های عصبی مصنوعی توانایی پیشبینی بازده صندوقها را دارند اما عملکرد شبکه های عصبی مصنوعی بهتر میباشد. همچنین با بهره گرفتن از آزمون زوجی مشخص شد که بین میانگین بازده پیشبینیشده و واقعی تفاوت معنیداری وجود ندارد. به علاوه اینکه الگوریتم ژنتیک میتواند جهت انتخاب سبد متشکل از سهام صندوقهای مشترک به کار رود و با بهره گرفتن از آزمون زوجی مشخص شد که سبدهای تشکیلشده با بهره گرفتن از الگوریتم ژنتیک نسبت به روش سنتی مطلوبتر میباشند. همچنین اندازه سبد تأثیر چندانی بر نتایج نداشته و در تمام سطوح، الگوریتم ژنتیک دارای عملکرد بهتری است. ضمناً هرچه تنوع سبد تشکیلشده بیشتر و بزرگتر باشد، برتری عملکرد الگوریتم ژنتیک بر روش خطی قابلملاحظهتر می شود.
واژگان کلیدی: صندوق سرمایهگذاری مشترک، شبکههای عصبی مصنوعی، بازده، الگوریتم ژنتیک، پرتفوی صندوقهای سرمایهگذاری مشترک
فهرست مطالب
عنوان صفحه
1-2- تعریف و بیان مسئله پژوهش 2
1-3- اهمیت و ضرورت انجام پژوهش 3
1-6-1- نوع مطالعه و روش بررسی فرضیات 5
1-6-2- ابزار گردآوری دادهها 6
1-7- متغیرهای پژوهش و شاخصهای اندازهگیری آن ها 6
1-9-1- صندوقهای سرمایهگذاری مشترک 9
1-9-4- صندوق سرمایهگذاری مشترک چند صندوق 10
1-10- جنبههای جدید و نوآوری پژوهش 11
فصل دوم: مبانی نظری و مروری بر پیشینه پژوهش 13
2-2-1- صندوقهای سرمایهگذاری مشترک 15
2-2-2- فعالیتهای صندوقهای سرمایهگذاری مشترک 15
2-2-3- تعریف و تشریح صندوق سرمایهگذاری مشترک 16
2-2-4- ضرورتهای تشکیل صندوقهای سرمایهگذاری مشترک 16
2-2-5- تفاوت صندوقها با شرکتهای سرمایهگذاری و واحدهای سپرده پذیر 17
2-2-6- ارتباط صندوقهای سرمایهگذاری مشترک با سایر نهادهای مالی 18
2-2-7- ویژگیها و امتیازات سرمایهگذاری در صندوقها 19
2-2-8- معایب صندوق سرمایهگذاری مشترک 21
2-2-9- انواع صندوقهای سرمایهگذاری مشترک 21
2-2-10- انواع صندوقهای سرمایهگذاری مشترک بر اساس نوع سرمایهگذاری 23
2-2-11- طبقهبندی صندوقهای سرمایهگذاری مشترک سهامی 24
2-2-12- طبقهبندی صندوقهای سرمایهگذاری مشترک اوراق قرضه 27
2-2-12-1- طبقهبندی صندوقهای مشترک اوراق قرضه بر اساس منتشرکنندگان 27
2-2-12-2- طبقهبندی صندوقهای مشترک اوراق قرضه از لحاظ سررسیدها 29
2-2-13- صندوقهای سرمایهگذاری مشترک بازار پول 30
2-2-13-1- طبقهبندی صندوقهای مشترک بازار پول 30
2-2-13-2- مدیریت صندوقهای مشترک بازار پول 31
2-2-14- سایر انواع صندوقهای سرمایهگذاری مشترک 32
2-2-15- اهداف و راهبردهای صندوقهای سرمایهگذاری مشترک 33
2-2-16- واحدهای سرمایهگذاری در ایران 34
2-2-16-1- سرمایهگذاری مؤسسان و پذیرهنویسی اولیه 34
2-2-16-2- ارزش خالص دارایی ها، قیمت صدور و ابطال واحد سرمایهگذاری 34
2-2-17- ساختار کلی صندوقهای مشترک مبتنی بر قانون اوراق بهادار ایران 36
2-2-18- هزینههای سرمایهگذاری در صندوق مشترک 39
2-2-19- نحوهی تعیین بازده سالیانهی دورههای کمتر از یک سال 44
2-2-20- ریسک سرمایهگذاری در صندوق مشترک 44
2-2-21- انواع اوراق بهاداری که صندوقها میتوانند در آن سرمایهگذاری نمایند 46
2-2-23- مرجع رسیدگی به تخلفات و اختلافات 46
2-2-24- پایان دوره یا تمدید دورهی فعالیت صندوق سرمایهگذاری مشترک 47
2-2-25- مروری بر صندوقهای سرمایهگذاری مشترک فعال ایران 47
2-2-26- ارزیابی عملکرد صندوقهای سرمایهگذاری مشترک 48
2-2-27- عوامل مؤثر بر بازده صندوقهای سرمایهگذاری مشترک 49
3-5- روشهای گردآوری اطلاعات 70
3-6- ابزار جمع آوری دادهها 71
3-9- متغیرهای مورد استفاده در پژوهش 72
3-9-1- متغیر وابسته (ملاک یا هدف) 73
3-9-2- متغیرهای مستقل (پیش بین) 73
3-11-1- آزمونهای پیشفرض مدلسازی 78
3-11-2- تجزیه و تحلیل رگرسیون 78
3-12-1- شبکههای عصبی مصنوعی و پیدایش آن 81
3-12-2- مزایای شبکههای عصبی مصنوعی 82
3-12-3- ساختار شبکه عصبی مصنوعی و طراحی آن 84
3-13-2- ورودیهای مورد نیاز 88
3-13-4- انتخاب یک پرتفوی بهینه 91
3-14- روش بهینهسازی غیرخطی 92
3-14-1- الگوریتم ژنتیک و پیدایش آن 92
3-14-3- مزایای الگوریتم ژنتیک 94
3-14-4- محدودیتهای الگوریتم ژنتیک 95
3-14-5- اصطلاحات الگوریتم ژنتیک 96
3-14-6- فرایند الگوریتم ژنتیک 97
3-14-7- همگرایی و توقف در الگوریتم ژنتیک 100
فصل چهارم: تجزیه و تحلیل اطلاعات 102
4-2- پیش بینی بازده صندوقها با بهره گرفتن از رویکرد خطی 103
4-3- پیش بینی بازده صندوقها با بهره گرفتن از رویکرد شبکه های عصبی مصنوعی 108
4-3-1- پیشپردازش داده ها 108
4-4- نتایج آزمون فرضیه اول 111
4-5- نتایج آزمون فرضیه دوم 112
4-5-1- مقایسه نتایج شبکه عصبی با دادههای واقعی 112
4-6- نتایج آزمون فرضیه سوم 114
4-6-1- سبدهای بهینه خطی و غیرخطی 115
4-6-3- بررسی تأثیر اندازه سبد سرمایه گذاری 119
فصل پنجم: خلاصه، نتیجهگیری و پیشنهادها 121
5-2- خلاصه نتایج آزمون فرضیه پژوهش 122
5-2-1- نتایج آزمون فرضیه اول 122
5-2-2- نتایج آزمون فرضیه دوم 124
5-2-3- نتایج آزمون فرضیه سوم 124
5-4-1- پیشنهادهایی به استفاده کنندگان از نتایج پژوهش 127
5-4-2- پیشنهادهایی برای پژوهشهای آتی 127
فهرست جدولها
جدول شماره (1-1): تعریف عملیاتی متغیرها 7
جدول شماره (1-2): متغیرهای پژوهش 8
جدول شماره (2-1): نحوه ارتباط صندوقهای مشترک با سایر نهادهای مالی 18
جدول شماره (2-2): نمونه هزینههایی که از محل داراییهای صندوق پرداخت میشوند 40
جدول شماره (2-3): هزینههایی که باید توسط سرمایهگذار پرداخت شود 41
جدول شماره (3-1): جامعه آماری پژوهش 72
جدول شماره (4-1): متغیرهای پژوهش 104
جدول شماره (4-2): آزمون عامل افزایش واریانس 105
جدول شماره (4-3): نتایج آزمون لیمر (چاو) 106
جدول شماره (4-4): نتایج آزمون هاسمن 107
جدول شماره (4-5): مدل رگرسیون با دادههای ترکیبی 107
جدول شماره (4-6): نتایج مدلسازی غیرخطی به روش شبکهی عصبی مصنوعی 111
جدول شماره (4-7): مقایسه پیشبینیهای انجامشده به روش خطی و غیرخطی 111
جدول شماره (4-8): نتایج بهترین مدل شبکهی عصبی مصنوعی 113
جدول شماره (4-9): مقایسه زوجی همبستگی (بازده پیشبینیشده – بازده واقعی) 113
جدول شماره (4-10): آزمون زوجی (بازده پیشبینیشده – بازده واقعی) 114
جدول شماره (4-11): مقایسه معیار ارزیابی عملکرد (معیار شارپ) 117
جدول شماره (4-12): آزمون زوجی (سبدهای خطی- سبدهای غیرخطی) 118
جدول شماره (4-13): آزمون زوجی (سبدهای خطی کوچک- سبدهای غیرخطی کوچک) 119
جدول شماره (4-14): آزمون زوجی (سبدهای خطی متوسط- سبدهای غیرخطی متوسط) 119
جدول شماره (4-15): آزمون زوجی (سبدهای خطی بزرگ- سبدهای غیرخطی بزرگ) 120
فهرست شکلها
شکل شماره(3-1): تقسیمبندی هوش مصنوعی 81
شکل شماره(3-3): بهینه کلی و محلی 94
شکل شماره(3-4): مراحل اجرای الگوریتم ژنتیک 99
لیست علائم اختصاری:
نمادهای مورد استفاده در پژوهش | ||
نماد | نام | ردیف |
MFR | بازده صندوق سرمایهگذاری مشترک | 1 |
SHR | نسبت شارپ- دوره قبل | 2 |
TR | بازدهی به نوسان پذیری بازده- دوره قبل | 3 |
J | معیار بازدهی تفاضلی جنسن- دوره قبل | 4 |
P | نسبت دورهی برتر- دوره قبل | 5 |
SMF | اندازهی صندوق سرمایهگذاری مشترک | 6 |
VG | رشد ارزش | 7 |
CA | درصد داراییهای نقدی | 8 |
FME | خبرگی مدیریت صندوق سرمایهگذاری مشترک | 9 |
PI | درصد تملک سرمایهگذاری حقیقی | 10 |
MFA | عمر صندوق سرمایهگذاری مشترک | 11 |
MR | بازده بازار | 12 |
SR | ریسک سیستماتیک | 13 |
AMR | میانگین بازده ماهانه صندوق سرمایهگذاری مشترک | 14 |
ANN | شبکههای عصبی مصنوعی | 15 |
GA | الگوریتم ژنتیک | 16 |
FOF | صندوق چند صندوقی | 17 |
پیشگفتار
صندوقهای سرمایهگذاری مشترک یکی از نهادهای نوین بازار سرمایه میباشند که با فروش سهام خود به عامه مردم وجوهی را تحصیل و سپس با ایجاد تنوع در داراییهای خود سعی در قابلقبول سازی ریسک سرمایهگذاری، به وسیلهی کاهش و یا حذف ریسک سیستماتیک، دارند. از سوی دیگر هدف اصلی سرمایه گذاران کسب بازدهی بیشتر در سطح ریسک قابلقبول است. بر اساس نظریه پرتفوی، متنوع سازی سرمایه گذاریها میتواند منجر به کاهش نوسانها در عین حفظ متوسط بازده گردد. این پژوهش به دنبال بررسی مقایسه ای توان پیشبینی مدل رگرسیون با بهره گرفتن از دادههای ترکیبی به عنوان مدلی خطی و روش شبکههای عصبی مصنوعی به عنوان روشی غیرخطی و سپس امکان بهینهسازی پرتفوی متشکل از سهام صندوقهای سرمایهگذاری مشترک با بهره گرفتن از الگوریتم ژنتیک و در نهایت مقایسه آن با مدل مارکویتز میباشد. همچنین جهت مقایسه پرتفویها، تأثیر اندازه سبد سرمایه گذاری نیز مورد بررسی قرار گرفته است. برای این منظور ابتدا عوامل مؤثر بر بازده صندوقهای سرمایهگذاری مشترک در قالب 13 متغیر شناسایی شدند.
در فصل اول به ارائه کلیات پرداخته می شود و بیان مسئله، هدف، اهمیت و ضرورت انجام پژوهش، قلمرو پژوهش، فرضیات و تعریف عملیاتی متغیرها مورد بررسی قرار میگیرد. در فصل دوم مفاهیم نظری پژوهش و پیشینه پژوهش تشریح و تبیین می شود. در فصل سوم روش انجام پژوهش و جامعه آماری تشریح شده و در ادامه روش گردآوری اطلاعات، تحلیل دادهها و آزمون فرضیات تبیین می شود. فصل چهارم به تحلیل نتایج اختصاص یافته است. چگونگی طبقهبندی اطلاعات و تحلیل آن ها از طریق به کارگیری روشها و مدلهای آماری و در نهایت نتایج آزمون فرضیات تشریح می شود. در فصل پنجم خلاصه پژوهش، نتیجه گیری و بررسی تطبیقی یافته ها ارائهشده و در پایان، محدودیتها و پیشنهادهای پژوهش (مبتنی بر نتایج پژوهش و پیشنهاد در زمینه پژوهشهای آتی) تشریح می شود.
رشد اقتصادی بدون توسعه مالی امکان پذیر نیست. توسعه مالی، ابزار، مؤسسات و بازارهای مالی را در بر میگیرد. در این میان، مؤسسات مالی بخش اساسی بازار مالی را تشکیل میدهند. در واقع این مؤسسات زمینه ساز رشد ابزار و بازار مالی هستند. بر پایه پژوهشهای متعدد، مؤسسات و ابزارهای مالی، رابطهای مثبت با توسعه و رشد اقتصادی دارند و اغلب، رشد مالی را مقدمهای برای ایجاد جهش در فرایند توسعه اقتصادی میدانند. از سوی دیگر با توسعه بازار سرمایه و حضور هر چه بیشتر مردم در این بازار نسبت به ایجاد نهادهای سرمایهگذاری مناسب و متنوع، از جمله انواع صندوقهای سرمایهگذاری مشترک[1]، برای تجهیز پساندازهای مردم و فراهم کردن امکان حضور غیرمستقیم آنها در بازار سرمایه، اقدام شده است.
در این فصل ابتدا به کلیاتی از مباحث مهم این پژوهش پرداخته می شود و سپس چرایی انجام این پژوهش، هدف، اهمیت و ضرورت انجام پژوهش، قلمرو پژوهش، سؤالات، فرضیات و تعریف عملیاتی متغیرها مورد بررسی قرار میگیرد.
بازار مالی، بازاری است که داراییهای مالی در آن خلق، مبادله و دادوستد میشوند. یکی از اصلیترین کارکردهای بازار مالی، انتقال وجوه مازاد افراد علاقهمند به سرمایهگذاری به افراد نیازمند به سرمایه است. بازار مالی به منظور تأمین نیازهای سرمایه گذاران در این بازار به ابزارهایی[2] نیاز دارد تا بتواند پاسخگوی نیازهای متنوع سرمایه گذاران باشد. فرهنگ اصطلاحات تخصصی مالی، ابزار مالی را به عنوان یک سند رسمی و قانونی مانند سهام و اوراق قرضه و یا سایر ابزارهای مالی تعریف می کند.
در نهایت سومین رکن، مؤسسات مالی است. مؤسسات مالی با اهداف ارائه خدمت به جامعه، تأمین رشد و سهم بازار و ایجاد حداکثر بازدهی به فعالیت میپردازند. به عبارت دیگر مؤسسات مالی یک نقش مهم و اساسی در تبدیل امکانات اقتصادی از قبیل زمین، نیروی انسانی، مدیریت و غیره را به انواع مختلف داراییهای مالی عهدهدار هستند. ایفای این نقش افزون بر اینکه داراییهای موجود در اقتصاد را نقدشوندگی و جریان بیشتری میبخشد، تحول و توسعه اقتصادی را نیز امکان پذیر میسازد.
از دیدگاه کلی نوسانات بازده و قیمت سهام تحت تأثیر عوامل سیستماتیک و غیرسیستماتیک بسیاری است و حساسیت هر سهم به این عوامل متفاوت است؛ از این رو یکی از راهکارهای اصلی و مهم پیشنهادی مدیریت مالی تشکیل سبدی از سهام برای حذف نوسانات ناشی از عوامل غیرسیستماتیک است. این هدف در صندوقهای سرمایهگذاری مشترک به شرط تنوع سازی مناسب میسر شده است؛ اما در مورد ریسک سیستماتیک کماکان این معضل وجود دارد. در ادبیات مالی مدرن روشهای متعددی برای بهینهسازی پرتفوی ذکرشده است؛ اما با توجه به پیچیده شدن و سرعت عوامل تأثیرگذار، پیشبینی بازده و تشکیل پرتفویهای بهینه با روشهای سنتی کار دشواری است. با پیشرفت دانش محاسباتی و ظهور فناوری اطلاعات و روشهای فرا ابتکاری امید به حل مسائل پیچیده شکلگرفته و طی چند دهه اخیر این روشها در بازار سرمایه و در مسائل پیشبینی بازده و بهینهسازی پرتفوی استفاده می شود.
صندوقهای سرمایهگذاری مشترک از جمله نهادهایی (مؤسساتی) هستند که طی چند سال اخیر در بازار سرمایه کشورمان معرفیشدهاند و به این دلیل نوپا بودن آنها، پژوهشهای نسبتاً اندکی روی آن ها انجامشده است. یکی از مسائل بسیار مهم، پیشبینی رفتار بازده این صندوقها و اتخاذ تصمیمهای سرمایهگذاری و تشکیل پرتفویی از این صندوقها برای سرمایهگذاران است. مسئله این پژوهش بررسی و به کارگیری روشهای هوش مصنوعی شامل شبکههای عصبی مصنوعی و الگوریتم ژنتیک در پیشبینی بازده صندوقهای سرمایهگذاری مشترک بازار سرمایه و تشکیل پرتفوی بهینه از این صندوقها میباشد.
1-3- اهمیت و ضرورت انجام پژوهش
مهمترین وظیفه بازار اوراق بهادار انتقال کارا و مؤثر سرمایه از پسانداز کنندگان به سوی بنگاهها و اشخاص نیازمند سرمایه میباشد. در حقیقت سلامت اقتصادی وابسته به انتقال کارا و مؤثر این وجوه از عرضهکنندگان (پسانداز کنندگان) به سوی متقاضیان وجوه سرمایهای (بنگاهها) میباشد. از طرف دیگر، در بازار سرمایه تشخیص مناسبترین اوراق بهادار، مهمترین مسئله مورد توجه سرمایه گذاران است تا با توجه به ریسک و بازده، حداکثر ثروت را کسب کنند.
این پژوهش در تلاش برای ایجاد پرتفوی بهینه از میان صندوقهای سرمایهگذاری مشترک و با بهره گرفتن از الگوریتم ژنتیک است، البته برای انجام این کار ابتدا باید عملکرد صندوقها را با بهره گرفتن از روش شبکه عصبی مصنوعی پیشبینی نمود. این گامی در راستای آگاه کردن سرمایه گذاران برای سرمایهگذاری مناسبتر منابعشان است. ضمناً یک سیستم پیشبینی بازده مناسب و مطمئن شرکتها و نهادهای مالی، سبب جلب اعتماد افراد، اعم از سهامداران خرد و کلان به بازار سرمایه و رونق هر چه بیشتر آن خواهد شد و می تواند دریچهای نو به سوی جلب سرمایه باشد. همچنین انتخاب سبدی بهینه از صندوقهای سرمایهگذاری مشترک کمک زیادی در ایجاد صندوقهای سرمایه گذاری مشترک چند صندوقی (صندوق صندوق)[3] می کند که این به نوبهی خود منجر به توسعه ابزارهای مالی کشور خواهد شد و بدیهی است وجود تنوع در صندوقهای سرمایهگذاری مشترک به عنوان یکی از اقسام نهادهای مالی، ازجمله عوامل مؤثر در ایجاد انگیزه برای مشارکت سرمایهگذاران در بازار سرمایه است.
صندوقهای سرمایهگذاری مشترک یکی از انواع واسطههای مالی نوین هستند که با فروش سهام خود به عامه مردم وجوهی را تحصیل و در ترکیب متنوع از اوراق بهادار با توجه به هدف صندوق، به طور حرفهای سرمایهگذاری میکنند.
توسعه سرمایهگذاری از یک سو موجب جذب سرمایه و هدایت آن به بخشهای مولد اقتصادی شده و از سوی دیگر با توجه به جهتگیری سرمایهگذاران، سرمایهگذاریها به سمت صنایعی هدایت خواهند شد که از سود بیشتر یا ریسک کمتری برخوردار است و این امر در نهایت سبب تخصیص بهینه منابع و رشد و شکوفایی اقتصادی کشور خواهد شد. در این راستا انتخاب پیش بینی بازده آتی و تشکیل پرتفوی، یکی از دغدغههای اصلی سرمایهگذاران است. لذا اهداف این پژوهش به شرح ذیل میباشند:
1) بررسی معیارهای تأثیرگذار بر بازده صندوقهای سرمایهگذاری مشترک
2) استفاده از شبکه عصبی مصنوعی برای پیشبینی بازده صندوقهای سرمایهگذاری مشترک
3) مقایسه روش شبکه عصبی مصنوعی با رگرسیونی برای پیشبینی بازده صندوقهای مشترک
4) استفاده از الگوریتم ژنتیک برای تشکیل پرتفوی بهینه متشکل از سهام صندوقهای مشترک
5) مقایسه روش الگوریتم ژنتیک و مدلهای خطی جهت انتخاب سبد بهینه سهام
با توجه به مطالب گفتهشده این پژوهش سعی دارد به سؤالات ذیل پاسخ دهد:
1) آیا میتوان با بهره گرفتن از روش شبکه عصبی مصنوعی عملکرد صندوقهای سرمایهگذاری مشترک را پیشبینی نمود؟
2) آیا روش شبکه عصبی مصنوعی جهت پیشبینی بازده صندوقهای سرمایهگذاری مشترک در مقایسه با مدلهای رگرسیونی توان بالاتری دارد؟
3) آیا بازده پیشبینیشده توسط روش شبکه عصبی مصنوعی با بازده واقعی تفاوت معنیداری دارد؟
4) آیا میتوان با بهره گرفتن از الگوریتم ژنتیک سبدی بهینه متشکل از سهام صندوقهای سرمایهگذاری مشترک تشکیل داد؟
5) آیا روش الگوریتم ژنتیک جهت تشکیل سبد بهینه از سهام صندوقهای سرمایهگذاری مشترک در مقایسه با مدلهای سنتی توان بالاتری دارد؟
در این پژوهش سه فرضیه ذیل مطرح شده است:
فرضیه اول: پیشبینی بازده صندوقهای سرمایهگذاری مشترک با بهره گرفتن از شبکه عصبی مصنوعی در مقایسه با مدلهای رگرسیونی توان تبیین بالاتری دارد.
فرضیه دوم: بین بازده پیشبینیشده با بهره گرفتن از شبکه عصبی مصنوعی و بازده واقعی صندوقهای سرمایهگذاری مشترک تفاوت معنیداری وجود ندارد.
فرضیه سوم: انتخاب پرتفوی متشکل از سهام صندوقهای سرمایهگذاری مشترک با بهره گرفتن از الگوریتم ژنتیک در مقایسه با مدلهای سنتی منجر به بهبود معنیداری در عملکرد پرتفوی میشود.
[1]. Fund Funds
[2]. Instrument
[3]. Multi Fund Funds (Fund OF Funds)
قیمت :37500 تومان
بلافاصله پس از پرداخت ، لینک دانلود فایل در اختیار شما قرار می گیرد
و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.
پشتیبانی سایت serderehi@gmail.com
[add_to_cart id=158067]