انتخاب پورتفوی بهینه بوسیله مدل سازی فیزیکی-اقتصادی و الگوریتم های هوشمند در بورس اوراق بهادار تهران

یکی از مهمترین تصمیماتی که هر سرمایه گذار باید اتخاذ نماید موضوع انتخاب پورتفوی بهینه است. عوامل متعدد بنیادی و یا رفتاری می توانند بر تصمیمات سرمایه گذار اثر بگذارند. در این تحقیق محقق سعی داشته است تا بتواند مدلی برای انتخاب پورتفوی گسترش دهد که به صورتی عملی هر دو بعد رفتاری و بنیادی را در تصمیم گیری سرمایه گذار لحاظ نماید. در این تحقیق برای پوشش دادن بخش رفتاری مدل، با استفاده از مفهوم پایستاری انرژی مکانیکی و رفتار یک جسم سلب حول یک مرکز گرانشی (حرکت پرتابه) تلاش در محاسبه انرژی روانی بازار شده است. سپس بوسیله مقدار انرژی روانی و تغییرات انرژی روانی در هر پورتفوی، پورتفوی بهینه محاسبه شده است. در تحقیق دیده شد در حالتی که در پورتفوی مقدار انباشتگی انرژی روانی حداقل و میزان تغییرات آن حداکثر باشد بهترین نتایج حاصل می شود. در بعد دوم برای مدل سازی رفتار بنیادی هر پورتفوی از 9 پارامتر قیمت دلار نسبت به ماه پیش، درصد تغییر قیمت سکه بهار آزادی نسبت به ماه پیش، درصد تغییر شاخص ارزش سهام معامله شده نسبت به ماه پیش، درصد تغییر شاخص دستمزد کارگر ساده نسبت به ماه پیش، درصد تغییر شاخص بهای کالا وخدمات مصرفی نسبت به ماه پیش، درصد تغییر شاخص بهای تولید کننده نسبت به ماه پیش، درصد تغییر شاخص بهای کالاهای صادراتی نسبت به ماه پیش، بازدهی بازار(نسبت شاخص نقدی در انتهای دوره نسبت به اندازه این شاخص در انتهای دوره پیش) استفاده شد تا مدلی برای تخمین میزان بازدهی سهم طی دوره محاسبه شد. در مدل سازی بخش بنیادی از الگوریتمی شامل شبکه عصبی rbf استفاده شد. در نتایج دیده شد که این مدل نسبت به مدل قیمت گذاری capm بهتر عمل می کند. سپس بوسیله شبیه سازی مونت کارلو سناریو های پیش رو ساخته شد و بوسیله آنها بوسیله دیدی بنیادی نحوه انتخاب پورتفوی بهبود یافت. در نهایت دیده شد مدل ترکیبی از دو بعد رفتاری و بنیادی علکرد بسیار بهتری نسبت به مدل مارکویتز با داده های تاریخی داشته است.