انتخاب سبد سرمایه با بهره گرفتن از ماشین بردار پشتیبان و خوشه بندی
 

 استاد راهنما:
 

دکتر امیرعباس نجفی
 

شهریور 93
 

(در فایل دانلودی نام نویسنده موجود است)
تکه هایی از متن پایان نامه به عنوان نمونه :
(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)
چکیده
 
انتخاب سبد سرمایه و کسب حداکثری بازده با وجود ریسک کم و نقدشوندگی بالا یکی از تصمیمات پیچیده برای سرمایه گذاران است. با توجه به اینکه پرتفو بهینه از میان سهام های برتر منتخب بوجود می­آید،انتخاب سهام و رتبه بندی آنان نگاه ریزبین­تری از تحقیقات را شامل می­شود که هدف آنان معرفی بهترین­ها جهت تشکیل سبد سرمایه می­باشد. مدل تشکیل سبد سرمایه مدرن(مارکویتز) تنها بر اساس معیارهای بازده و ریسک به انتخاب سهام­ها می ­پردازد. هرچند در مطالعات بعد سعی در منظور نمودن معیارها و سنجه­های دیگر در مدل مارکویتز جهت بالا بردن عملکرد سبد سرمایه نمودند، ولی توجه کمتری به روند مالی و عملکرد سالانه شرکت­های حاضر در بورس شده است. لذا تشکیل سبد سرمایه بر مبنای تحلیل بنیادی شرکت­ها و عملکرد مالی آنها مبنای برخی از تحقیقات گردیده است.
با توجه به پیشرفت های صورت گرفته در مدل­های یادگیری و تکینک­های داده­کاوی خط وسیعی از تحقیقات بازار سرمایه که مبتنی بر پیش ­بینی است به بررسی نحوه استفاده از این مدل­ها می ­پردازد. در این پایان نامه با بهره گرفتن از ماشین بردار پشتیبان، مدلی را جهت رتبه بندی سهام ها و نیز پیش بینی سهام­های برتر ارائه شده است. در این مدل با بهره گرفتن از الگوریتم خوشه بندی K-means داده­های پرت را از مجموعه داده حذف شده و با بهره گرفتن از تحلیل پوششی داده­ ها شرکت­های کارا و ناکارا مشخص شده است. پس از آموزش ماشین بردار پشتیبان، با پیش بینی رتبه سهام ها در سال پایانی و انتخاب سهام­های برتر پرتفو بهینه برای سال بعد ارائه شده است. در نهایت جهت اعتبار سنجی مدل ارائه شده، آن را با میانگین بازده بازار و پرتفوی بهینه بدست آمده از مدل مارکویتز مقایسه شده است.
کلید واژه: پرتفو، ماشین بردار پشتیبان، خوشه­بندی، تحلیل بنیادی. تحلیل پوششی داده ها
 
فهرست مطالب
فصل 1: مقدمه و کلیات تحقیق 1
1 -1 مقدمه. 2
1-2 هدف از پایان نامه . 3
1-3 توضیح موضوع تحقیق 3
1-4 توجیه ، انگیزه و علت انتخاب موضوع. 4
1-5 اهمیت موضوع. 5
1-6 مرور کلی بر ادبیات موضوع. 6
1-7 جنبه های نوآوری موضوع. 7
1-8 پرسشها و سوالات اصلی تحقیق 8
1-9 روش و متدولوژی تحقیق 8
1-10 نتایج مورد انتظار 9
1-11 کاربرد های تحقیق 9
1-12 چارچوب پایان نامه . 10
1-13 جمع بندی 11
فصل دوم: مروری بر تحقیقات پیشین 12
2-1 مقدمه. 13
2-2مروری بر مفاهیم پایه ماشین بردار پشتیبان. 14
2-2-1ابرصفحه ونیم فضا 14
2-2-2نرم بردار     14
2-2-3فاصله نقطه از ابرصفحه. 14
2-2-4ابرصفحه متعارفی 15
2-3انواع ماشین بردار پشتیبان. 15
2-3-1مدل داده های تفکیک پذیر خطی 15
2-3-2مدل داده های تفکیک ناپذیر خطی 18
2-4توابع کرنل. 23
2-5کاربرد ماشین بردار پشتیبان در مدیریت پرتفو. 26
2-6مدل تحلیل پوششی داده ها 27
2-6-1ماهیت الگوی مورد استفاده 28
2-6-3انواع الگو های DEA 29
2-7الگوریتم خوشه بندی K-means 36
فصل سوم: روش تحقیق 40
3-1 مقدمه. 41
3-2 طرح کلی از مدل. 41
3-3 آماده سازی داده ها 42
3-3-1 تعیین نسبت های مالی 42
3-3-2 ساخت مجموعه داده سهام ها 43
3-3-3 کاهش سطری و ستونی 43
3-3-4 معیارهای دسته بندی 44
3-3-5 تکمیل داده های مفقوده 45
3-4 دسته بندی داده ها 46
3-4-1 دسته بندی به کمک تکنیکDEA 46
3-4-2 دسته بندی بر اساس نظریه مدل قیمت گذاری دارایی سرمایهای (CAPM) 47
3-5خوشه بندی داده ها و مشخص نمودن داده های زائد. 48
3-6حل مدل با بهره گرفتن از ماشین بردار پشتیبان. 49
3-6-1ماشین بردار پشتیبان برای رویکرد مبتنی بر DEA 49