بهينه‏سازي سبد سهام بر اساس مدل تركيبي نسبت امگا و ميانگين - واريانس ماركوئيتز مبتني بر يادگيري ماشين جمعي دو سطحي

در اين مقاله به بهينه‏سازي سبد سهام شركت‏هاي فعال پذيرفته شده در اوراق بهادار بورس تهران بر اساس مدل تركيبي نسبت امگا و ميانگين - واريانس ماركوئيتز (MVOF) پرداخته شده است. براي اين امر 480 شركت پذيرفته شده در بورس اوراق بهادار تهران طي سال‏هاي 1390 تا 1399 انتخاب و بر اساس داده‏هاي ورودي به فيلتر كردن شركت‏ها پرداخته شد. از اين رو يك روش تركيبي متشكل از روش بهينه‏سازي قواعد معاملاتي مبتني بر تحليل تكنيكال (6 انديكاتور RSI، ROC، SMA، EMA، WMA و MACD) و ماشين يادگيري جمعي دو سطحي (SVM، RF، BN، MLP و KNN) جهت آموزش داده‏ها و ارائه سيگنال خريد پرداخته شد. لذا 85 شركت جهت بهينه‏سازي سبد سهام انتخاب شدند. براي آموزش داده‏هاي از 85 شركت فيلتر شده توسط روش تركيبي استفاده و تعداد طبقات مختلف با 50 يادگيرنده استفاده شده است. نتايج نشان ميدهد استفاده از مدل OF نسبت به مدل MVF بالاترين بازده سبد سهام را در طي سال‏هاي 1395 تا 1399 دارد. در حالي كه مدل MVF پايين‏ترين ميزان ريسك سرمايه‏گذاري را به خود اختصاص داده است. در نتيجه با تركيب مدل‏هاي فوق، مشاهده شده بازده سبد سهام در اين روش بسيار بالاتر از روش‏هاي ديگر است. در حالي كه ريسك سرمايه‏گذاري ان كمتر بوده است. لذا در صورت استفاده از مدل MVOF بازدهي سبد سهام افزايش و ريسك سرمايه‏گذاري در آن كاهش مي‏يابد.