چکیده مقاله
این پژوهش به بررسی کاربرد تکنیک های یادگیری ماشین در مدیریت ریسک مالی برای صندوقهای قابل معامله دربورس ETF پرداخته و با مطالعه موردی بر روی صندوق آلفای متنوع جهانی GDAF ، اثربخشی الگوریتم های یادگیری ماشین را در پیش بینی ریسک ، بهینه سازی پورتفولیو و کارایی تخصیص دارایی بررسی می کند استفاده از الگوریتم ماشین های بردار پشتیبان SVM ، جنگل تصادفی ، الگوریتم ژنتیک و خوشه بندی K Means افزایش دقت پیش بینی ریسک و تخصیص بهینه دارایی را نشان می دهد و بر اهمیت مدیریت ریسک مبتنی بر یادگیری ماشین را در دستیابی به بازده تعدیل شده ریسک و بهبود عملکرد پورتفولیو تاکید دارد علاوه بر این ، این مطالعه استراتژی های مبتنی بر یادگیری ماشین را با رویکردهای مدیریت ریسک سنتی مقایسه می کند و پیچیدگی ها، سازگاری و پیامدهای بالقوه برای سرمایه گذاران و موسسات مالی را نشان می دهد و بینش های ارزشمندی را در مورد نقش یادگیری ماشین در تغییر شیوه های مدیریت ریسک برای ETF های سبد متنوع در چشم انداز مالی پویا ارائه می دهد
کلیدواژهها
نویسندگان
کیومرث شجاعیان
کارشناسی ارشد مدیریت مالی، دانشگاه غیرانتفائی پرندک
علی جوزی
کارشناسی ارشد مهندسی صنایع، دانشگاه سمنان
شیوه ارجاع
�جاعیان، کیومرث و جوزی، علی،1402،کاربرد یادگیری ماشین در مدیریت ریسک مالی برای صندوقهای قابل معامله در بورس ( (ETF،اولین همایش ملی پژوهش های نو پدید در حسابداری، مالی، مدیریت و اقتصاد با رویکرد توسعه اکوسیستم نوآوری،تهران
ارائهشده در
مجموعه مقالات اولین همایش ملی پژوهش های نو پدید در حسابداری، مالی، مدیریت و اقتصاد با رویکرد توسعه اکوسیستم نوآوری8 آذر 1402 · تهران