چکیده مقاله
مدیریت ریسک و تخصیص بهینه دارایی، از ارکان اصلی تصمیم گیری های مالی محسوب می شوند مدل های کلاسیک نظیر میانگین واریانس مارکویتز، عمدتا بر پایه فرض توزیع نرمال بازده ها بنا شده اند و در مواجهه با رفتارهای غیرخطی و پیچیده بازارهای مالی، کارایی لازم را ندارند در این پژوهش، رویکردی برای بهینه سازی سبد سهام با تمرکز بر کمینه سازی «ارزش در معرض خطر» VaR ارائه شده است بدین منظور، از الگوریتم یادگیری ماشین «رگرسیون بردار پشتیبان» SVR برای پیش بینی دقیق بازده دارایی ها و غلبه بر برخی محدودیت های مدل سازی خطی استفاده شده است سپس، نتایج حاصله در یک چارچوب بهینه سازی به کار گرفته اند تا پرتفویی با کمترین ریسک ممکن تشکیل گردد نتایج تجربی بر روی داده های بورس اوراق بهادار تهران نشان می دهد که مدل پیشنهادی SVR VaR نسبت به رویکردهای سنتی، عملکرد دقیق تری در مدیریت ریسک و بهبود بازدهی دارد
کلیدواژه‌ها
نویسندگان
مجید خلیلیان
دانشیار، گروه کامپیوتر، دانشکده هوش مصنوعی، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
Masoud Karimkhani
دانشجوی دکتری کامپیوتر، گروه علوم کامپیوتر، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
شیوه ارجاع
�لیلیان، مجید و کریمخانی، مسعود،1404،برآورد ارزش در معرض خطر با استفاده از ماشین بردار پشتیبان رگرسیونی (SVR-VaR) و کاربرد آن در کمینه سازی ریسک پرتفوی،دومین کنفرانس ملی "بدون نفت، چگونه؟"،تهران
ارائه‌شده در
مجموعه مقالات دومین کنفرانس ملی "بدون نفت، چگونه؟"6 آذر 1404 · تهران