ارائه مدل تركيبي بهينه‌سازي سبد سهام براساس پيش‌بيني قيمت با شبكه عصبي بازگشتي LSTM به كمك محدوديت‌هاي كارديناليتي و روش‌هاي تصميم‌گيري چندمعياره (مطالعه موردي بورس اوراق بهادار تهران)

پيش‌بيني قيمت سهام به دليل ماهيت نوساني بازار و پويايي روند حركت قيمت، نقش مهمي در ايجاد يك استراتژي كارآمد با بازدهي بالا دارد، همچنين نتايج حاصل از پيش‌بيني، پيش‌نياز ايجاد سبد سهام با ساختاري بهينه است. لذا هدف از انجام اين پژوهش ارائه مدلي تركيبي است تا به سرمايه‌گذاران در انتخاب سبد سهام بهينه كمك نمايد. بنابراين، با استفاده از فرآيند تحليل سلسله مراتبي بهبود‌يافته از ميان صنايع فعال در بورس اوراق بهادار تهران، ده صنعت برتر براساس معيارهاي مؤثر بر ارزش صنايع انتخاب مي‌شوند. سپس با كمك شبكه عصبي بازگشتي حافظه كوتاه مدت ماندگار قيمت سهام شركت‌هاي فعال طي بازه زماني ابتداي خرداد 1395 تا ابتداي خرداد 1400، در افق‌هاي زماني مورد نظر، پيش‌بيني مي‌گردد. در گام بعد با روش راه‌حل سازشي تركيبي، سه سبد سهام با افق زماني كوتاه‌مدت، ميان‌مدت و بلند‌مدت انتخاب مي‌شود و در نهايت براساس مدل دارايي محدود ماركويتز با استفاده از روش برنامه‌ريزي غيرخطي عدد صحيح مختلط با الگوريتم شاخه و برش، اوزان بهينه مشخص و مرز كارا رسم مي‌گردد. نتايج پژوهش نشان مي‌دهد، مدل ارائه شده، بازدهي بيشتري را باتوجه به ريسك در تشكيل سبدهاي سهام با افق‌هاي زماني مشخص نسبت به روش‌هاي سنتي نصيب سرمايه‌گذاران مي‌نمايد.