ارائه مدل ترکیبی بهینه سازی سبد سهام براساس پیش بینی قیمت با شبکه عصبی بازگشتی LSTM به کمک محدودیت های کاردینالیتی و روش های تصمیم گیری چندمعیاره (مطالعه موردی بورس اوراق بهادار تهران)

مسیله پیش بینی قیمت سهام به دلیل ماهیت نوسانی بازار و پویایی روند حرکت قیمت سهام، نقش مهمی در ایجاد یک استراتژی کارآمد با بازدهی بالا دارد، همچنین نتایج حاصل از پیش بینی، پیش نیاز ایجاد یک سبد سهام با ساختاری بهینه است. لذا هدف از انجام این پژوهش ارایه مدلی ترکیبی است تا به سرمایه گذاران در انتخاب سبد سهام بهینه کمک نماید. بنابراین، با استفاده از فرآیند تحلیل سلسله مراتبی بهبود یافته از میان صنایع فعال در بورس اوراق بهادار تهران ده صنعت برتر براساس معیارهای موثر بر ارزش صنایع انتخاب می شود. سپس با کمک شبکه عصبی بازگشتی حافظه کوتاه مدت ماندگار قیمت سهام در افق های زمانی مورد نظر، پیش بینی می گردد. در گام بعد با روش راه حل سازشی ترکیبی، سه سبد سهام با افق زمانی کوتاه مدت، میان مدت و بلند مدت انتخاب می شود و در نهایت براساس مدل دارایی محدود مارکویتز با استفاده از روش برنامه ریزی کوادراتیک عدد صحیح مختلط با الگوریتم شاخه و برش، اوزان بهینه مشخص و مرز کارای سرمایه گذاری رسم می شود. نتایج پژوهش نشان می دهد، مدل ارایه شده، بازدهی بیشتری را باتوجه به ریسک در تشکیل سبدهای سهام با افق های زمانی مشخص نسبت به روش های سنتی نصیب سرمایه گذاران می نماید.