تأمين مالي در بازار پول و سرمايه سبد سهام با استفاده از مدل شبكه عصبي – مصنوعي، اريما و مدل ماركوئيتز در بورس اوراق بهادار تهران

Funding in the money market and stock portfolio capital using neural-artificial network model, ARIMA and Markoitz model in Tehran Stock Exchange

چكيده همواره انتخاب بهينه سبد سهام يكي از مهم ترين مسائل پيش روي سرمايه گذاران و مديران مالي است. در تحقيق حاضر ابتدا با مطالعه بازارهاي مالي و نقش آن ها در اقتصاد به تحليل داده ها مي پردازيم. در تحقيق حاضر براي انتخاب بهينه سبد سهام از سه مدل شبكه عصبي- مصنوعي، مدل ماركويتز و مدل خطي اريما براي پيش بيني و انتخاب بهينه سبد سهام استفاده شد. 10 سهام از ده صنعت مختلف براي تحليل مدل انتخاب گرديد. سپس با توجه به خروجي مدل هاي سه گانه ي فوق سهام هايي را كه ميانگين بازده پيش بيني آن ها بيشتر و ريسك كم تري را دارا بودند انتخاب مي گردد. براي مقايسه مدل ها از آزمون ميانگين دو جامعه (t-test) در سطح معني داري 95% استفاده شد كه در نهايت شبكه عصبي به عنوان بهترين مدل شناسايي گرديد.

Abstract Choosing the optimal stock portfolio is always one of the most important issues facing investors and financial managers. In this research, we first analyze the data by studying the financial markets and their role in the economy. In the current research, three artificial neural network models, Markowitz model and Erima linear model were used to predict and choose the optimal stock portfolio. 10 stocks from ten different industries were selected for model analysis. Then, according to the output of the above three models, the stocks that had higher average predicted returns and lower risk are selected. To compare the models, the average test of two populations (t-test) was used at a significance level of 95%, and finally the neural network was identified as the best model.