يادگيري ماشين مبتني بر رويكرد سلسله‌مراتبي برابري ريسك (مطالعه موردي: پرتفوليو سهام متشكل از 30 شركت برتر بورس اوراق بهادار تهران)

هدف: مسئلۀ تخصيص دارايي‌ها، به تصميم‌گيري تحت شرايط عدم اطمينان نياز دارد. تشكيل پرتفوي سرمايه‌گذاري، يكي از مشكلات مالي بسيار رايج است. همواره سرمايه‌گذاران در تكاپوي تشكيل بهترين پرتفوي براي سرمايه‌گذاري هستند تا بتوانند بيشترين سود را كسب كنند. تاكنون روش‌هاي زيادي براي تشكيل پرتفوي معرفي شده است كه مشهورترين آن، رويكرد ماركويتز است. تئوري ميانگين ـ واريانس، به‌دليل دشواري در تخمين بازده مورد انتظار و كواريانس براي طبقات مختلف دارايي، اشكال‌هاي عملي زيادي دارد. هدف از اجراي اين پژوهش، يافتن روشي براي بهينه‌سازي سبد سهام است كه در شبيه‌سازي برون‌نمونه براي بازار سهام ايران، عملكرد برتري داشته باشد. روش: در اين پژوهش، از تكنيك يادگيري ماشين برابري ريسك سلسله‌مراتبي استفاده شده و نتايج آن با رويكرد مينيمم واريانس مقايسه شده است. براي اجراي اين پژوهش، از قيمت پاياني تعديل‌شده 30 شركت بورسي براي 760 روز معاملاتي در دوره زماني 1397 تا 1399 استفاده ‌شده است. يافته‌ها: براي ارزيابي عملكرد پرتفوليو از نسبت شارپ براي هر دو دوره درون‌نمونه و برون‌نمونه استفاده شد. نتايج به‌دست‌آمده از تحليل درون‌نمونه و برون‌نمونه نشان داد كه رويكرد برابري ريسك سلسله‌مراتبي، در مقايسه با رويكرد مينيمم واريانس، عملكرد بهتري دارد. نتيجه‌گيري: رويكرد برابري ريسك سلسله‏مراتبي، جايگزين معناداري براي رويكردهاي سنتي تخصيص دارايي، از جمله رويكرد مينيمم واريانس است و براي سرمايه‌گذاران، ابزار مهم مديريت ريسك محسوب مي‌شود. مديران سبدگردان و سرمايه‌گذاران نيز مي‌توانند از اين روش براي تخصيص وزن به سبد خود استفاده كنند.