قیمت سهام و سبدهای سهام، اغلب می تواند به عنوان فرآیندهای هموار و مستمر در نظر گرفته شود و بازار سهام تحت این شرایط با ثبات عمل می کند. با این حال، از آن جایی که بازار سهام به راحتی توسط عوامل بسیاری، به ویژه برخی موارد خاص، مانند تعدیل سیاست های کلان اقتصادی ملی و شرایط اضطراری در صنایع مرتبط با سهام، آشفته می شود، ممکن است قیمت سهام در کوتاه مدت تغییرات ناگهانی را نشان دهد که خطراتی را به همراه دارد و دشواری پیش بینی قیمت سهام را افزایش می دهد. با توجه به تداوم زمانی داده های قیمت سهام، قیمت سهام در دوره قبلی بر قیمت سهام آتی، تاثیر دارد و اطلاعات قدیمی قیمت سهام نسبت به اطلاعات اخیر قیمت سهام، تاثیر ضعیف تری بر پیش بینی قیمت سهام جهت فرآیندهای انتخاب و زمان بندی تعاملی در سبد سهام دارد. بنابراین با توجه به این که شدت تاثیر نقاط جهش بر قیمت سهام در هر روز معاملاتی متفاوت است، وزن با توجه به فاصله نقطه جهش تا هر روز معاملاتی تعیین می شود. هر چه نقطه جهش به روز معاملات نزدیک تر باشد، وزن ضربه بیشتر است. وجود یک نقطه جهش، دشواری پیش بینی قیمت سهام برای فرآیندهای انتخاب و زمان بندی تعاملی در سبد سهام را افزایش می دهد. اکثر مدل های موجود از میانگین مربعات خطا (MSE) به عنوان تابع ضرر استفاده می کنند و مقدار پیش بینی شده به دلیل تاثیر نقطه جهش، تا حد زیادی از مقدار واقعی منحرف می شود. برای حل مشکلات فوق، در این تحقیق، یک تابع هدف و اشکال مختلف تابع هدف در فواصل زمانی مختلف برای افزایش توانایی ضد نویز مدل و بهبود دقت پیش بینی سهام جهت فرآیندهای انتخاب و زمان بندی تعاملی در سبد سهام بر اساس داده های KOPSI با هدف ایجاد سبد سهام و پیش بینی آن برپایه الگوریتم ازدحام ذرات بهینه و مدل شوارتز، اتخاذ شده است.
علی اصغر روح الامین
کارشناسی ارشد مدیریت کسب و کار (MBA)
Integration of interactive scheduling and selection processes in portfolio management Stock prices and stock portfolios can often be considered as smooth and continuous processes, and the stock market operates stably under these conditions. However, since the stock market is easily disturbed by many factors, especially some special ones, such as the adjustment of national macroeconomic policies and emergencies in the stock-related industries, stock prices may fluctuate in the short term, show suddenness that brings risks and increases the difficulty of predicting stock prices. According to the temporal continuity of stock price data, the stock price in the previous period affects the future stock price, and the old stock price information has a weaker effect on the stock price prediction for the selection and interactive timing processes in comparison to the recent stock price information. Has a stock portfolio. Therefore, considering that the intensity of the impact of jump points on stock prices is different on each trading day, the weight is determined according to the distance between the jump point and each trading day. The closer the bounce point is to the trading day, the greater the impact weight. The existence of a jump point increases the difficulty of stock price prediction for interactive selection and timing processes in the stock portfolio. Most of the existing models use the mean square error (MSE) as the loss function, and the predicted value deviates greatly from the actual value due to the influence of the jump point. To solve the above problems, in this research, an objective function and different forms of the objective function at different time intervals to increase the anti-noise ability of the model and improve the accuracy of stock prediction for interactive selection and timing processes in the stock portfolio based on KOPSI data to create the stock portfolio and its prediction are based on the optimal particle swarm algorithm and Schwartz model.
Aliasghar Ruholamin
Master of Business Administration (MBA).
