پایان نامه ، تحقیق و مقاله | دیجی لود

ادامه مطلب

DOC
انتخاب سبد سرمایه با استفاده از ماشین بردار پشتیبان و خوشه بندی : پایان نامه ارشد مهندسی صنایع گرایش مهندسی مالی
doc
تعداد صفحات : 110
پایان نامه کارشناسی ارشد
مهندسی صنایع گرایش مهندسی مالی
همراه با جداول ، اشکال
79000 تومان


رشته صنایع یکی از مهمترین زیر شاخه های فنی و مهندسی شامل گرایش های متعددی در مقطع کارشناسی ارشد میباشد . در ادامه به معرفی نمونه پایان نامه ارشد مهندسی صنایع ‘گرایش مهندسی مالی با عنوان : انتخاب سبد سرمایه با استفاده از ماشین بردار پشتیبان و خوشه بندی که در 110 صفحه در فرمت قابل ویرایش Word به نگارش در آمده میپردازیم .

 

چکیده تحقیق انتخاب سبد سرمایه با استفاده از ماشین بردار پشتیبان و خوشه بندی :

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 می­ باشد. مدل تشکیل سبد سرمایه مدرن(مارکویتز) تنها بر اساس معیارهای بازده و ریسک به انتخاب سهام­ ها می­پردازد. هرچند در مطالعات بعد سعی در منظور نمودن معیارها و سنجه­ های 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 داده­ کاوی خط وسیعی از تحقیقات بازار سرمایه که مبتنی بر پیش­بینی است به بررسی نحوه استفاده از این مدل­ها می­پردازد. در این پایان نامه با استفاده از ماشین بردار پشتیبان ، مدلی را جهت رتبه بندی سهام ها و نیز پیش بینی سهام­ های برتر ارائه شده است. در این مدل با استفاده از الگوریتم خوشه بندی K-means داده ­های پرت را از مجموعه داده حذف شده و با استفاده 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 ، خوشه­ بندی، تحلیل بنیادی. تحلیل پوششی داده ها

 

ماشین بردار پشتیبان و خوشه بندی

 

توجیه ، انگیزه و علت انتخاب موضوع

با توجه به اینکه در سال­های اخیر رشد و رونق اقتصادی در صدر برنامه­ های توسعه اقتصادی کشور قرار گرفته است. و یکی از مهمترین برنامه­ ها استفاده از سرمایه­ های غیرمولد در جهت راه اندازی تولید است. نگاه به بازار سرمایه با توجه به اینکه مناسب ­ترین ابزار در جهت تامین مالی بنگاه­ های اقتصادی است بسیار ویژه شده است. خصوصا آنکه با استفاده از فضای رسانه­ای فرهنگ اینکه بجای سپرده­ گذاری در بانک مردم پول­های خود را روانه بازار سرمایه نمایند در بین بسیاری از مردم جاافتاده است. سوددهی بسیار بالای بورس اوراق بهادار تهران در سال گذشته این موضوع را بیشتر مورد توجه قرار داده است. از طرفی پیچیدگی­های موجود در بازار سرمایه موجب شده است این متقاضیان جدیدالورورد نیاز به استفاده از مدل­هایی داشته باشند که ترجیحات آنان را درنظر بگیرد. ترجیحاتی مانند نقدشوندگی بالای سهام­هایی که خریداری می شوند. علاوه بر این خط تحقیقی تشکیل سبد سرمایه در تمام دنیا به دلیل جذابیت این بازار مالی همواره پرتحرک بوده است و مخاطبین زیادی را به خود مشغول داشته است. همین موارد سبب گشته که ما به سمت تشکیل سبد سرمایه بهینه برویم و رویکردی را در این راه به خدمت بگیریم، که علاوه بر تشکیل سبد سرمایه به سرمایه گذاران قدرت مانور بیشتر در بازار در برابر سهام­ های تازه وارد شده به بورس بدهیم. البته باید توجه به این کرد که ما از داده ­های صورت­های مالی استفاده کرده­ ایم، و می­دانیم که درتحلیل بنیادی نگاه سرمایه گذاران بلند مدت است. لذا پیش­بینی نیز بلندمدت است.

این موضوع را نمی­توان تهدید دانست زیرا در ادبیات بازار سرمایه معمولا نگاه بلندمدت به بازار دارند و نمود آن را می­توان در بازبینی ­های متداول دوره­ای سبد سرمایه برای سرمایه گذاران خرد دید. و همچنین این مدل قابلیت آن را داراست که بجای استفاده از داده­ های صورت­های مالی با استفاده از تحلیل تکنیکال و اندیکاتورهای آن حتی به پیش بینی روزانه و رتبه بندی سهام­ ها بپردازیم. اما همانطور که گفته شد ما بر مبنای تحلیل بنیادی جلو رفته­ ایم و دید بلند مدت داریم. که سبب کاهش هزینه­ های معاملاتی می­شود.

 

فهرست مطالب تحقیق انتخاب سبد سرمایه با استفاده از ماشین بردار پشتیبان و خوشه بندی :

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

2-6-1ماهيت الگوي مورد استفاده 28

2-6-3انواع الگو هاي 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 استفاده از ماشین بردار پشتیبان. 49

3-6-1ماشین بردار پشتیبان برای رویکرد مبتنی بر DEA.. 49

3-6-2 ماشین بردار پشتیبان مبتنی بر رویکرد CAPM.. 50

3-7 تشکیل پرتفو. 51

3-8 اعتبار سنجی مدل. 51

3-9 جمع بندی.. 52

فصل چهارم: پیاده سازی مدل در بورس اوراق بهادار تهران، نتایج و عملکرد. 53

4-1 مقدمه. 54

4-2 داده های مورد استفاده 54

4-3 آماده سازی داده ها 55

4-4 دسته بندی داده ها 56

4-4-1 دسته بندی داده ها بر مبنای رویکرد DEA.. 56

4-4-2 دسته بندی بر مبنای مدل CAPM.. 58

4-5 خوشه بندی داده ها و حذف داده های زائد. 59

4-5-1 خوشه بندی داده های مبتنی بر رویکرد DEA.. 59

4-5-2 خوشه بندی داده های مبتنی بر رویکرد CAPM.. 61

4-6 دسته بندی به کمک ماشین بردار پشتیبان. 64

4-6-1 دسته بندی مبتنی بر رویکرد DEA.. 64

4-6-2 دسته بندی مبتنی بر رویکرد CAPM.. 71

4-7 رتبه بندی سهام. 74

4-8 تشکیل پرتفو. 75

4-9 اعتبارسنجی مدل. 79

4-10 جمع بندی.. 80

فصل پنجم: نتیجه گیری و پیشنهاد برای تحقیقات آتی.. 81

5-1مقدمه. 82

5-2 یافته ها و نتایج تحقیق.. 83

5-3 دستاوردهای تحقیق.. 83

5-4 پیشنهاداتی برای تحقیقات آتی.. 84

فهرست مراجع. 86

 

فهرست جداول

 جدول 2-1  برخی از مدل های توسعه یافته در حوزه ماشین بردار پشتیبان (به ترتیب سال تحقیق) 21

جدول2‑2 برخی از مطالعات صورت گرفته در حوزه مرتبط با توابع کرنل در ماشین بردار پشتیبان( ترتیب سال تحقیق) 25

جدول3-1 نسبتهای مالی استفاده شده 44

جدول4- 2 نرخ سود سپرده گذاری یکساله. 58

جدول4- 3 تعداد داده هر دسته در رویکرد DEA. 60

جدول4- 4 تعداد داده خوشه های دسته(1-،1،1-) 60

جدول4- 5 تعداد داده خوشه های دسته(1-،1-،1-) 61

جدول4- 6 تعداد داده های دسته های مبتنی بر رویکردCAPM.. 61

جدول4- 7 تعداد داده های خوشه های دسته(1،1) 62

جدول4- 8 تعداد داده خوشه های دسته(1،1-) 62

جدول4- 9 تعداد داده خوشه های دسته(1،1-) 63

جدول4- 10 تعداد داده های خوشه های دسته (1-،1-) 63

جدول4- 11 نتایج حاصل از اجرای مدل برحسب بازده 65

جدول4- 12 نتایج حاصل از دسته بندی بر حسب ریسک برای کلاس 1 بازده 66

جدول4- 13 نتایج  دسته بندی برحسب ریسک برای کلاس1- بازده 66

جدول4- 14 نتایج حاصل از دسته بندی بر حسب نقدشوندگی برای دسته(1،1) 67

جدول4- 15نتایج دسته بندی بر حسب نقدشوندگی برای دسته(1،1-) 68

جدول4- 16نتایج دسته بندی برحسب نقدشوندگی برای دسته(1-،1) 69

جدول4- 17نتایج دسته بندی برحسب نقدشوندگی برای دسته(1-،1-) 69

جدول4- 18عملکرد مدل برای هر دسته مبتنی بر رویکرد DEA. 71

جدول4- 19 نتایج دسته بندی برحسب بازده انتظاری.. 72

جدول4- 20نتایج دسته بندی برحسب نقدشوندگی برای کلاس 1 بازده انتظاری.. 72

جدول4- 21 نتایج دسته بندی بر حسب نقدشوندگی برای کلاس1- بازده انتظاری.. 73

جدول4- 22عملکرد مدل در هر دسته در رویکرد CAPM.. 74

جدول4- 23 نتایج پرتفو برترین ها CAPM.. 76

جدول4- 24 نتایج پرتفو حاصل از 25% برتر سهام ها مبتنی بر رویکرد CAPM.. 76

جدول4- 25 نتایج پرتفو حاصل از برترین های مبتنی بر DEA. 77

جدول4- 26 نتایج پرتفو حاصل از 25% برتر مبتنی بر DEA. 77

جدول4- 27 سهام ها حاضر در پرتفو بهینه ارائه شده 78

جدول4- 28 نتایج حاصل از پرتفوی کل بازار 79

جدول4- 29 نتایج حاصل از تشکیل پرتفو به روش مارکویتز. 80

 

 فهرست شکل ها

شكل 2-1  تفكيك داده ها در حالت تفكيك پذير خطي.. 16

شکل 2-2  تفکیک داده ها در حالت تفکیک ناپذیر خطی.. 18

شکل 2-3  ماشین بردار پشتیبان غیر خطی.. 23

شکل3- 1 طرح کلی مدل. 42

شکل3-2 مدل مفهومی ماشین بردار پشتیبان سلسله مراتبی.. 50

جدول4- 1 انواع ورودی و خروجی های استفاده شده در ادبیات موضوع. 57

شکل4- 1 مقدار تابع- تکرار دسته بندی برحسب بازده 65

شکل4- 2 مقدار تابع-تکرار دسته بندی کلاس1 بازده برحسب ریسک.. 66

شکل4- 3 مقدارتابع-تکرار برای دسته بندی بر حسب ریسک کلاس1- بازده 67

شکل4- 4 مقدارتابع-تکرار دسته بندی بر حسب نقدشوندگی برای دسته(1،1) 68

شکل4- 5مقدارتابع-تکرار دسته بندی برحسب نقدشوندگی برای دسته(1،1-) 68

شکل4- 6 مقدارتابع-تکرار دسته بندی برحسب نقدشوندگی برای دسته(1-،1) 69

شکل4- 7 مقدار تابع-تکرار دسته بندی بر حسب نقدشوندگی برای دسته(1-،1-) 70

شکل4- 8 مقدارتابع-تکرار دسته بندی بر حسب بازده انتظاری.. 72

شکل4- 9مقدار تابع-تکرار برحسب نقدشوندگی برای کلاس 1 بازده انتظاری.. 73

شکل4- 10 مقدار تابع-تکرار بر حسب نقدشوندگی برای کلاس1- بازده انتظاری.. 73

 

 

 

 

راهنمای خرید و دانلود فایل

برای پرداخت، میتوانید از کلیه کارتهای عضو شتاب  استفاده نمائید.

بعد از پرداخت آنلاین لینک دانلود فعال و نمایش داده میشود ، همچنین یک نسخه از فایل همان لحظه به ایمیل شما ارسال میگردد.

در صورت بروز  هر مشکلی،میتوانید از طریق تماس با ما  پیغام بگذارید و یا در تلگرام با ما در تماس باشید، تا شکایت شما مورد بررسی قرار گیرد.

برای دانلود فایل روی دکمه خرید و دانلود  کلیک نمایید.



ads

مطالب مرتبط


ديدگاه ها


دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

سه × 3 =

enemad-logo