تعیین سبد بهینه سرمایه گذاری در بازارهای مختلف مالی ایران با استفاده از مدل ترکیبی شبکه عصبی مصنوعی و الگوریتم ژنتیک

بهره برداری از سیستم های هوشمند به منظور بهینه سازی و پیش بینی به عنوان یکی از ابزارهای پیشرفته امروز، در حوزه های مختلف دانش بشری کاربرد فراوانی یافته است. مدیریت مالی به عنوان یکی از حوزه های دانش بشری، در زمینه تحولات و پیشرفت های هوش مصنوعی تلاش نموده است تا در بهینه سازی فرآیند تصمیم گیری و پردازش اطلاعات انبوه، از این ابزار استفاده کرده و به بهره برداری به هنگام از فرصت های موجود، بازده سرمایه-گذاری را حداکثر کند. این تلاش منجر به پیوند بین دو حوزه دانش بشری شامل مدیریت مالی و هوش مصنوعی شده است و شاخه جدیدی را تحت عنوان فیزیولوژی مالی ایجاد نموده است که در این حوزه تلاش در جهت توسعه و کاربرد سیستم های هوشمند همانند شبکه های عصبی، سیستم های فازی و الگوریتم ژنتیک در تصمیم گیری های مالی است. بنابراین، در پژوهش حاضر سعی شده است تا از سیستم های هوشمند (شبکه های عصبی مصنوعی و الگوریتم ژنتیک) در طراحی الگوی پیش بینی و بهینه سازی بازده سرمایه گذاری سرمایه گذاران استفاده شود. متغیرهای این پژوهش شامل نرخ سود سپرده گذاری در بانک، قیمت دلار آمریکا در بازار آزاد، ارزش واقعی سکه بهار آزادی، ارزش معاملاتی سکه بهار آزادی، قیمت جهانی هر اونس طلا، قیمت سبد نفتی اوپک و شاخص قیمت بورس اوراق بهادار تهران است که همگی به صورت میانگین هفتگی محاسبه شدند. در راستای تحقق اهداف پژوهش، دو فرضیه تدوین و با استفاده از روش های شبکه عصبی مصنوعی و الگوریتم ژنتیک آزمون شدند. بازه زمانی پژوهش از ابتدای سال 1389 تا پایان شهریور ماه 1391 است. نتایج حاصل از تجزیه و تحلیل فرضیه های پژوهش نشان می دهد که شبکه های عصبی مصنوعی پرسپترون سه لایه، توانایی پیش بینی کوتاه مدت بازارهای مالی را با دقت بیش از 96% دارا هستند. همچنین، کارایی الگوریتم ژنتیک در بهینه سازی سرمایه گذاری در بازارهای مالی مورد بررسی، از طریق تشکیل سبدهای بهینه سرمایه گذاری در بازه های زمانی سه ماهه به اثبات رسید.