طراحي پرتفوي هوشمند با استفاده از مدلهاي سرمايه گذاري كمي

Smart portfolio using quantitative investment models

در چند دهه گذشته شناسايي متغيرهاي حالت و پارامترهاي يك مدل از روي داده هاي اندازه گيري شده، افزايش چشم گيري داشته است اين رشد گسترده نياز فزاينده به مدل هاي فراگير و يكپارچه ايجاد كرده است. دستيابي به رشد مداوم و بلندمدت اقتصادي نيازمند تخصيص بهينه منابع مي باشد و اين مهم بدون استفاده از بازارهاي مالي، به ويژه بازار سرمايه كارآمد امكان پذير نيست لذا بهينه سازي پرتفوي و تخصيص ثروت بين دارايي هاي مختلف از جمله مهمترين مسايل در سرمايه گذاري بحساب مي آيد. در اين پژوهش سعي شده است تا در جهت اجراي پرتفوي مالي هوشمند روش هاي موجود بهينه سازي را براساس عملكرد نسبت شارپ ارتقا داده و روش هوشمندي براي انجام معاملات براساس الگوريتم هاي مختلف ارايه گردد. براي اين منظور، ابتدا يك مدل سرمايه گذاري كمي با استفاده از الگوريتم مومنتوم و مدل سرمايه گذاري بلندمدت در يك افق زماني 6 ساله با استفاده از داده هاي ماهانه سازمان بورس اوراق بهادار ايجاد نموده و سپس مجموعه اي از مدل هاي هوشمند (توابع كلي ، ميانگين كلي و الگوريتم كلي با فيلتركالمن) ايجاد مي شود كه ميزان سرمايه را با استفاده از الگوهاي هوشمند براي به حداكثر رسانيدن بازده و جلوگيري از سرمايه گذاري در سهام هاي با بازده منفي محاسبه نموده و تحصيص بهينه سرمايه دهد كه ساختار پيشنهادي عملكرد بهتري نسبت به ساير الگوريتم هاي مرسوم داشته و مي توان آن را جايگزين اين روش ها كرد و به نتايج مطلوب تر دست يافت نهايتا نتايج نشان دهنده كارايي و بهينه بودن مدل پيشنهادي مي باشد.

In the past few decades, the identification of state variables and parameters of a model from measured data has increased dramatically. This widespread growth has created a growing need for integrated models. Achieving sustained and long-term economic growth requires optimal resource allocation, and this is not possible without the use of financial markets, especially efficient capital markets, so portfolio optimization and wealth allocation between different assets are among the most important issues in investing. In this research, in order to implement smart financial portfolio, it is tried to improve the existing optimization methods based on Sharp Ratio performance and to present an intelligent method for trading based on different algorithms. For this purpose, first, create a quantitative investment model using momentum algorithm and long-term investment model over a 6-year time horizon using monthly stock exchange data and then a set of smart models (general functions, general average and The general algorithm (developed by Kalman filter), which calculates the amount of capital using smart patterns to maximize return and avert negative return on equity investments and optimize capital investing to make the proposed structure perform better than other algorithms. Conventional and can fit and alternative approaches to achieve better results finally, the results indicate that the proposed model is effective and efficient.