پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 25 |
| تعداد شماره‌ها | 941 |
| تعداد مقالات | 7,773 |
| تعداد مشاهده مقاله | 12,854,085 |
| تعداد دریافت فایل اصل مقاله | 9,152,470 |
انتخاب پرتفوی سهام جهت سرمایه گذاری و شناسایی شرکت های برتر با روش محدودیت ال و با استفاده از روش یادگیری ماشین | ||
| راهبرد مدیریت مالی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 16 تیر 1398 اصل مقاله (976.47 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22051/jfm.2019.24505.1968 | ||
| نویسندگان | ||
| فاطمه اژدری1؛ فریدون رهنما رودپشتی* 2؛ محسن حمیدیان3؛ سیده محبوبه جعفری3؛ علی باغانی3 | ||
| 1دانشجوی دکتری حسابداری، دانشکده اقتصاد و حسابداری ، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران. | ||
| 2استاد گروه مدیریت مالی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. | ||
| 3استادیار حسابداری، دانشکده اقتصاد و حسابداری ، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران. | ||
| چکیده | ||
| فرآیند انتخاب پرتفوی سهام ( شناسایی شرکت های برتر) جهت سرمایه گذاری یکی از مسائلی است که موردتوجه محققین زیادی بوده است. معیارهای مختلف دخیل در این فرآیند طی زمان دچار تغییر و تحول شده و این وضعیت استفاده از یک ابزار مناسب پشتیبانی از تصمیمات سرمایه‌گذاری را ضروری می‌سازد. هدف این پژوهش انتخاب پرتفوی سهام جهت شناسایی شرکت های برتر جهت سرمایه گذاری با روش محدودیت ال با استفاده از روش یادگیری ماشین است. بدین منظور شرکت هایی که بصورت سالاته در سبد بهینه سهام جهت سرمایه گذاری قرارگرفته اند به عنوان شرکت های برتر جهت سرمایه گذاری،معرفی شدند. نمونه آماری تحقیق شامل داده‌های مالی 251 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال‌های 1391 تا 1396 می‌باشد. نتایج تحقیق نشان می‌دهد که الگوریتم بهینه‌سازی ازدحام ذرات به‌صورت سالانه و همچنین به‌صورت یکجا در دوره مورد بررسی قادر به انتخاب شرکت‌های برتر با استفاده از مدل حداقل واریانس MVP با محدودیتl_1-l_∞ است. | ||
| کلیدواژه‌ها | ||
| شرکت‌های برتر؛ پرتفوی سهام؛ روش یادگیری ماشین | ||
| عنوان مقاله [English] | ||
| Select a stock portfolio to invest and identify top companies With the limitations of L and using the machine learning method | ||
| نویسندگان [English] | ||
| fatemeh ajdari1؛ Fereydoun Rahnamaroodposhti2؛ mohsen hamidian3؛ seyedeh mahboobeh jafari3؛ ali baghani3 | ||
| 1ph.D student of accounting, Department of economics and accounting, South Tehran Branch, Islamic Azad University, Tehran, Iran | ||
| 2Professor of financial management, Department of management and economic, Science and Research Branch, Islamic Azad University,Tehran, Iran | ||
| 3Assistant professor of accounting, Department of economics and accounting, South Tehran Branch, Islamic Azad University, Tehran, Iran | ||
| چکیده [English] | ||
| The process of selecting portfolios (identifying top companies) to invest is one of the issues that many researchers have been concerned about. Various criteria involved in this process have evolved over time and this situation requires the use of an appropriate tool to support investment decisions. The purpose of this research is to select stock portfolios to identify the top companies for investing with the L-constraint method using the machine learning method. For this purpose, the companies that have been listed as Salat in the optimal stock portfolio for investment have been introduced as the top investment companies. The statistical sample of the study includes financial data of 251 companies listed in Tehran Stock Exchange between 2012 and 2017. The results of the research show that the particle swarm optimization algorithm, as well as simultaneously in the study period, is able to select superior companies using the MVP minimum variance model with the limit of l_1-l_∞. | ||
| کلیدواژه‌ها [English] | ||
| top companies, Stock Portfolio optimization, machine learning method | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 2,158 تعداد دریافت فایل اصل مقاله: 287 |
||