مدل بهینه سازی سبد سرمایه گذاری مبتنی بر پیش بینی با استفاده از رگرسیون بردار پشتیبان

هدف از بهینه سازی سبد سرمایه گذاری، انتخاب ترکیبی بهینه از دارایی های مالی است که می بایست راهنمای سرمایه گذاران برای دستیابی به بالاترین بازده در برابر کمترین ریسک ممکن باشد. از سوی دیگر، یکی از عوامل کلیدی در تصمیم گیری های سبد سرمایه گذاری مربوط به پیش بینی قیمت سهام است. برای این کار بطور متداول از مدل های کلاسیک غیرخطی ریاضی و هوشمند مانند رگرسیون استفاده می شود. در مطالعه حاضر برای کاهش خطاهای پیش بینی، از مدل غیرخطی رگرسیون بردار پشتیبان با خروجی های متعدد استفاده شده است. برای نشان دادن کارایی مدل پیشنهادی از داده های شرکت های شاخص S&P500 در دوره زمانی 12/09/2016 تا 02/08/2021 استفاده شده است. نتایج نشان می دهد که انتخاب سبد سهام مبتنی بر پیش بینی به کمک رگرسیون بردار پشتیبان با خروجی چندگانه به دلیل در نظر گرفتن روابط بین خروجی ها به صورت همزمان از نظر معیار شارپ، عملکرد بهتری نسبت به انتخاب سبد سرمایه گذاری بر اساس پیش بینی با استفاده از روش رگرسیون دارد.