ارزیابی توان مدل یا دگیری عمیق و مد ل مارکوئیتز در تشکیل پرتفوی بهینه سهام

انتخاب و گزینش سهام و تشکیل پرتفوی سهام بهینه بستگی به عوامل متعددی دارد که تصمیم گیری را پیچیده می نماید. سرمایه گذاران می توانند با انتخاب پرتفوی بهینه سهام، بازده سرمایه گذاری خود را حداکثر یا ریسک آن را به حداقل برسانند؛ بنابراین همواره به دنبال استفاده از الگوریتم های مالی پیشرفته جهت تشکیل پرتفوی بهینه سهام می باشند. هدف از انجام این پژوهش بررسی توانایی مدل یادگیری ماشین و مدل مارکوییتز در تشکیل پرتفوی بهینه سهام و مقایسه کارایی آن ها است. نمونه آماری پژوهش حاضر، شامل 156 شرکت پذیرفته شده در بورس اوراق بهادار تهران برای دوره زمانی 1389 الی 1398 می باشد. پس از گردآوری داده ها، مدل یادگیری عمیق و مدل مارکوییتز با استفاده از نرم افزار آناکوندا و زبان برنامه نویسی پای تون، مورد آزمون قرارگرفته اند و سپس توانایی هریک از مدل ها در تشکیل پرتفوی بهینه سهام توسط معیارهای ارزیابی بازده پرتفوی، شاخص ترینر و شاخص جنسن تعیین گردیده است. در پرتفوی ده سهمی مدل یادگیری عمیق؛ بازده پرتفوی 697/0، شاخص ترینر 541/4 و شاخص جنسن 480/0 و در پرتفوی ده سهمی مدل مارکوییتز؛ بازده پرتفوی 058/0، شاخص ترینر 648/1- و شاخص جنسن 158/0- محاسبه گردیده است. با توجه به نتایج ارزیابی پرتفوی این نتیجه حاصل گردید که مدل یادگیری عمیق دارای توانایی بالاتری نسبت به مدل مارکوییتز در تشکیل پرتفوی بهینه سهام می باشد.