الگوریتم سیستم های تحلیل ترکیبی در پیش بینی مطلوب ترین پرتفوی

تکنیک های پیش بینی و بهینه سازی به تصمیم گیرندگان مالی کمک می کنند تا براساس اطلاعات بازار، بهترین سهام را در سبد سرمایه گذاری خود قرار دهند و با بهینه سازی آن به ایجاد بازده های بیشتر دست یابند. هدف این پژوهش پیش بینی اثربخشی تفاوت پرتفوی سورتینو و مارکویتز براساس الگوریتم سیستم های تحلیل ترکیبی می باشد. براین اساس تعداد 102 شرکت بورس اوراق بهادار تهران در بازه زمانی 1393 تا 1397 براساس غربالگری سیستماتیک انتخاب و مورد بررسی قرار گرفتند. در این پژوهش از طریق تفکیک سهام ارزشی و سهام رشدی، اقدام به انتخاب پرتفوی های تصادفی ساده جهت بررسی و آزمون فرضیه های پژوهش شد و برای تحلیل از دو الگوریتم ماشین بردار پشتیبان و سیستم استنتاج فازی عصبی انطباق پذیر به منظور انتخاب مطلوب ترین پرتفوی بهره برده شد. نتایج پژوهش نشان داد، پرتفوی سورتینو (X) براساس الگوریتم فرا ابتکاری (الگوریتم ماشین بردار پشتیبان) تفاوت معناداری با پرتفوی مارکویتز (Y) دارد، به طوریکه تصمیم گیرندگان در پرتفوی سورتینو به دنبال بهینه سازی سبد سهام خود از طریق سهام رشدی در بلندمدت می باشند. همچنین مشخص شد، دقت سیستم تحلیل استنتاج فازی عصبی انطباق پذیر (ANFIS) نسبت به دقت سیستم تحلیل ماشین بردار پشتیبان (SVM) جهت انتخاب اثربخش ترین پرتفوی از میان پرتفوی سورتینو و مارکویتز، بالاتر می باشد، چراکه به دلیل دارابودن همزمان از دو مکانیزم یادگیری و بهینه سازی شبکه عصبی و بیان زبانی استنتاج فازی، به مدیران کمک می کند تا برآوردهای بهتری نسبت به عدم اطمینان و قطعیت از خود نشان دهند.