3-14-3- مزایای الگوریتم ژنتیک 94

3-14-4- محدودیت‌های الگوریتم ژنتیک 95

3-14-5- اصطلاحات الگوریتم ژنتیک 96

3-14-6- فرایند الگوریتم ژنتیک 97

3-14-7- همگرایی و توقف در الگوریتم ژنتیک 100

3-15- نحوه‌ی آزمون فرضیات 100

3-15-1- آزمون فرضیه‌ی اول 100

3-15-2- آزمون فرضیه‌ی دوم 101

3-15-3- آزمون فرضیه‌ی سوم 101

فصل چهارم: تجزیه و تحلیل اطلاعات 102

4-1- مقدمه 103

4-2- پیش ­بینی بازده صندوق­ها با بهره گرفتن از رویکرد خطی 103

4-2-1- آزمون‌های مدل خطی 104

4-2-2- استخراج مدل خطی 105

4-3- پیش ­بینی بازده صندوق­ها با بهره گرفتن از رویکرد شبکه ­های عصبی مصنوعی 108

4-3-1- پیش­پردازش داده ­ها 108

4-3-2- طراحی شبکه‌ی عصبی 109

4-4- نتایج آزمون فرضیه اول 111

4-5- نتایج آزمون فرضیه دوم 112

4-5-1- مقایسه نتایج شبکه عصبی با داده‌های واقعی 112

4-5-2- آزمون زوجی 113

4-6- نتایج آزمون فرضیه سوم 114

 

4-6-1- سبدهای بهینه خطی و غیرخطی 115

4-6-2- آزمون زوجی 117

4-6-3- بررسی تأثیر اندازه سبد سرمایه ­گذاری 119

فصل پنجم: خلاصه، نتیجه‌گیری و پیشنهادها 121

5-1- مقدمه 122

5-2- خلاصه نتایج آزمون فرضیه پژوهش 122

5-2-1- نتایج آزمون فرضیه اول 122

5-2-2- نتایج آزمون فرضیه دوم 124

5-2-3- نتایج آزمون فرضیه سوم 124

این مطلب را هم اگر خواستید بخوانید :

5-3- محدودیت‌های پژوهش 126

5-4- پیشنهاد‌های پژوهش 127

5-4-1- پیشنهاد‌هایی به استفاده‌کنندگان از نتایج پژوهش 127

5-4-2- پیشنهاد‌هایی برای پژوهش‌های آتی 127

منابع و مآخذ 128

منابع فارسی 128

منابع لاتین 131

پیوست­ها 1

 

 

 

 

 

 

 

 

فهرست جدول­ها

جدول شماره (1-1): تعریف عملیاتی متغیرها 7

جدول شماره (1-2): متغیرهای پژوهش 8

جدول شماره (2-1): نحوه ارتباط صندوق‌های مشترک با سایر نهادهای مالی 18

جدول شماره (2-2): نمونه هزینه‌هایی که از محل دارایی‌های صندوق پرداخت می‌شوند 40

جدول شماره (2-3): هزینه‌هایی که باید توسط سرمایه‌گذ‌ار پرداخت شود 41

جدول شماره (3-1): جامعه آماری پژوهش 72

جدول شماره (4-1): متغیرهای پژوهش 104

جدول شماره (4-2): آزمون عامل افزایش واریانس 105

جدول شماره (4-3): نتایج آزمون لیمر (چاو) 106

جدول شماره (4-4): نتایج آزمون هاسمن 107

جدول شماره (4-5): مدل رگرسیون با داده‌های ترکیبی 107

جدول شماره (4-6): نتایج مدل‌سازی غیرخطی به روش شبکه‌ی عصبی مصنوعی 111

جدول شماره (4-7): مقایسه پیش‌بینی‌های انجام‌شده به روش خطی و غیرخطی 111

جدول شماره (4-8): نتایج بهترین مدل شبکه‌ی عصبی مصنوعی 113

جدول شماره (4-9): مقایسه زوجی همبستگی (بازده پیش‌بینی‌شده – بازده واقعی) 113

جدول شماره (4-10): آزمون زوجی (بازده پیش‌بینی‌شده – بازده واقعی) 114

جدول شماره (4-11): مقایسه معیار ارزیابی عملکرد (معیار شارپ) 117

جدول شماره (4-12): آزمون زوجی (سبدهای خطی- سبدهای غیرخطی) 118

جدول شماره (4-13): آزمون زوجی (سبدهای خطی کوچک- سبدهای غیرخطی کوچک) 119

جدول شماره (4-14): آزمون زوجی (سبدهای خطی متوسط- سبدهای غیرخطی متوسط) 119

جدول شماره (4-15): آزمون زوجی (سبدهای خطی بزرگ- سبدهای غیرخطی بزرگ) 120

 

 

فهرست شکل‌ها

شکل شماره(3-1): تقسیم‌بندی هوش مصنوعی 81

شکل شماره(3-2): مرز کارا 91

شکل شماره(3-3): بهینه کلی و محلی 94

شکل شماره(3-4): مراحل اجرای الگوریتم ژنتیک 99

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

لیست علائم اختصاری:

 

نمادهای مورد استفاده در پژوهش
نماد	نام	ردیف
MFR	بازده صندوق سرمایه‌گذاری مشترک	1
SHR	نسبت شارپ- دوره قبل	2
TR	بازدهی به نوسان پذیری بازده- دوره قبل	3
J	معیار بازدهی تفاضلی جنسن- دوره قبل	4
P	نسبت دوره‌ی برتر- دوره قبل	5
SMF	اندازه‌ی صندوق سرمایه‌گذاری مشترک	6
VG	رشد ارزش	7
CA	درصد دارایی‌های نقدی	8
FME	خبرگی مدیریت صندوق سرمایه‌گذاری مشترک	9
PI	درصد تملک سرمایه‌گذاری حقیقی	10
MFA	عمر صندوق سرمایه‌گذاری مشترک	11
MR	بازده بازار	12
SR	ریسک سیستماتیک	13
AMR	میانگین بازده ماهانه صندوق سرمایه‌گذاری مشترک	14
ANN	شبکه‌های عصبی مصنوعی	15
GA	الگوریتم ژنتیک	16
FOF	صندوق چند صندوقی	17

 

 

 

 

 

 

 

پیشگفتار

صندوق‌های سرمایه‌گذاری مشترک یکی از نهاد­های نوین بازار سرمایه می­باشند که با فروش سهام خود به عامه مردم وجوهی را تحصیل و سپس با ایجاد تنوع در دارایی‌های خود سعی در قابل‌قبول سازی ریسک سرمایه‌گذاری، به وسیله‌ی کاهش و یا حذف ریسک سیستماتیک، دارند. از سوی دیگر هدف اصلی سرمایه ­گذاران کسب بازدهی بیشتر در سطح ریسک قابل‌قبول است. بر اساس نظریه پرتفوی، متنوع سازی سرمایه ­گذاری­ها می‌تواند منجر به کاهش نوسان­ها در عین حفظ متوسط بازده گردد. این پژوهش به دنبال بررسی مقایسه­ای توان پیش‌بینی مدل رگرسیون با بهره گرفتن از داده‌های ترکیبی به عنوان مدلی خطی و روش شبکه‌های عصبی مصنوعی به عنوان روشی غیرخطی و سپس امکان بهینه‌سازی پرتفوی متشکل از سهام صندوق‌های سرمایه‌گذاری مشترک با بهره گرفتن از الگوریتم ژنتیک و در نهایت مقایسه آن با مدل مارکویتز می‌باشد. همچنین جهت مقایسه پرتفوی­ها، تأثیر اندازه سبد سرمایه ­گذاری نیز مورد بررسی قرار گرفته است. برای این منظور ابتدا عوامل مؤثر بر بازده صندوق‌های سرمایه‌گذاری مشترک در قالب 13 متغیر شناسایی شدند.

در فصل اول به ارائه کلیات پرداخته می­شود و بیان مسئله، هدف، اهمیت و ضرورت انجام پژوهش، قلمرو پژوهش، فرضیات و تعریف عملیاتی متغیرها مورد بررسی قرار می‌گیرد. در فصل دوم مفاهیم نظری پژوهش و پیشینه پژوهش تشریح و تبیین می­شود. در فصل سوم روش انجام پژوهش و جامعه آماری تشریح شده و در ادامه روش گردآوری اطلاعات، تحلیل داده‌ها و آزمون فرضیات تبیین می­شود. فصل چهارم به تحلیل نتایج اختصاص یافته است. چگونگی طبقه‌بندی اطلاعات و تحلیل آن‌ها از طریق به­کارگیری روش‌ها و مدل­های آماری و در نهایت نتایج آزمون فرضیات تشریح می­شود. در فصل پنجم خلاصه پژوهش، نتیجه ­گیری و بررسی تطبیقی یافته­ ها ارائه‌شده و در پایان، محدودیت­ها و پیشنهادهای پژوهش (مبتنی بر نتایج پژوهش و پیشنهاد در زمینه پژوهش‌های آتی) تشریح می­شود.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

فصل اول

کلیات پژوهش

 

 

 

 

 

 

 

1-1- مقدمه

رشد اقتصادی بدون توسعه مالی امکان­پذیر نیست. توسعه مالی، ابزار، مؤسسات و بازارهای مالی را در بر می­گیرد. در این میان، مؤسسات مالی بخش اساسی بازار مالی را تشکیل می­دهند. در واقع این مؤسسات زمینه­ساز رشد ابزار و بازار مالی هستند. بر پایه پژوهش‌های متعدد، مؤسسات و ابزارهای مالی، رابطه­ای مثبت با توسعه و رشد اقتصادی دارند و اغلب، رشد مالی را مقدمه­ای برای ایجاد جهش در فرایند توسعه اقتصادی می­دانند. از سوی دیگر با توسعه بازار سرمایه و حضور هر چه بیشتر مردم در این بازار نسبت به ایجاد نهادهای سرمایه‌گذاری مناسب و متنوع، از جمله انواع صندوق‌های سرمایه‌گذاری مشترک[1]، برای تجهیز پس­اندازهای مردم و فراهم کردن امکان حضور غیرمستقیم آن­ها در بازار سرمایه، اقدام شده است.

در این فصل ابتدا به کلیاتی از مباحث مهم این پژوهش پرداخته می­شود و سپس چرایی انجام این پژوهش، هدف، اهمیت و ضرورت انجام پژوهش، قلمرو پژوهش، سؤالات، فرضیات و تعریف عملیاتی متغیرها مورد بررسی قرار می‌گیرد.

1-2- تعریف و بیان مسئله پژوهش

بازار مالی، بازاری است که دارایی‌های مالی در آن خلق، مبادله و دادوستد می‌شوند. یکی از اصلی‌ترین کارکردهای بازار مالی، انتقال وجوه مازاد افراد علاقه­مند به سرمایه‌گذاری به افراد نیازمند به سرمایه است. بازار مالی به منظور تأمین نیازهای سرمایه ­گذاران در این بازار به ابزارهایی[2] نیاز دارد تا بتواند پاسخگوی نیازهای متنوع سرمایه ­گذاران باشد. فرهنگ اصطلاحات تخصصی مالی، ابزار مالی را به عنوان یک سند رسمی و قانونی مانند سهام و اوراق قرضه و یا سایر ابزارهای مالی تعریف می­ کند.

در نهایت سومین رکن، مؤسسات مالی است. مؤسسات مالی با اهداف ارائه خدمت به جامعه، تأمین رشد و سهم بازار و ایجاد حداکثر بازدهی به فعالیت می­پردازند. به عبارت دیگر مؤسسات مالی یک نقش مهم و اساسی در تبدیل امکانات اقتصادی از قبیل زمین، نیروی انسانی، مدیریت و غیره را به انواع مختلف دارایی‌های مالی عهده­دار هستند. ایفای این نقش افزون بر اینکه دارایی‌های موجود در اقتصاد را نقدشوندگی و جریان بیشتری می­بخشد، تحول و توسعه اقتصادی را نیز امکان­پذیر می­سازد.

از دیدگاه کلی نوسانات بازده و قیمت سهام تحت تأثیر عوامل سیستماتیک و غیرسیستماتیک بسیاری است و حساسیت هر سهم به این عوامل متفاوت است؛ از این رو یکی از راهکارهای اصلی و مهم پیشنهادی مدیریت مالی تشکیل سبدی از سهام برای حذف نوسانات ناشی از عوامل غیرسیستماتیک است. این هدف در صندوق‌های سرمایه‌گذاری مشترک به شرط تنوع سازی مناسب میسر شده است؛ اما در مورد ریسک سیستماتیک کماکان این معضل وجود دارد. در ادبیات مالی مدرن روش‌های متعددی برای بهینه‌سازی پرتفوی ذکرشده است؛ اما با توجه به پیچیده شدن و سرعت عوامل تأثیرگذار، پیش‌بینی بازده و تشکیل پرتفوی­های بهینه با روش‌های سنتی کار دشواری است. با پیشرفت دانش محاسباتی و ظهور فناوری اطلاعات و روش‌های فرا ابتکاری امید به حل مسائل پیچیده شکل‌گرفته و طی چند دهه اخیر این روش‌ها در بازار سرمایه و در مسائل پیش‌بینی بازده و بهینه‌سازی پرتفوی استفاده می­شود.

صندوق‌های سرمایه‌گذاری مشترک از جمله نهادهایی (مؤسساتی) هستند که طی چند سال اخیر در بازار سرمایه کشورمان معرفی‌شده‌اند و به این دلیل نوپا بودن آن­ها، پژوهش‌های نسبتاً اندکی روی آن‌ها انجام‌شده است. یکی از مسائل بسیار مهم، پیش‌بینی رفتار بازده این صندوق‌ها و اتخاذ تصمیم­های سرمایه‌گذاری و تشکیل پرتفویی از این صندوق‌ها برای سرمایه‌گذاران است. مسئله این پژوهش بررسی و به­کارگیری روش‌های هوش مصنوعی شامل شبکه‌های عصبی مصنوعی و الگوریتم ژنتیک در پیش‌بینی بازده صندوق‌های سرمایه‌گذاری مشترک بازار سرمایه و تشکیل پرتفوی بهینه از این صندوق‌ها می‌باشد.

1-3- اهمیت و ضرورت انجام پژوهش

مهم­ترین وظیفه بازار اوراق بهادار انتقال کارا و مؤثر سرمایه از پس‌انداز کنندگان به سوی بنگاه­­ها و اشخاص نیازمند سرمایه می­باشد. در حقیقت سلامت اقتصادی وابسته به انتقال کارا و مؤثر این وجوه از عرضه‌کنندگان (پس‌انداز کنندگان) به سوی متقاضیان وجوه سرمایه­ای (بنگاه­ها) می‌باشد. از طرف دیگر، در بازار سرمایه تشخیص مناسب‌ترین اوراق بهادار، مهم‌ترین مسئله مورد توجه سرمایه ­گذاران است تا با توجه به ریسک و بازده، حداکثر ثروت را کسب کنند.

این پژوهش در تلاش برای ایجاد پرتفوی بهینه از میان صندوق‌های سرمایه‌گذاری مشترک و با بهره گرفتن از الگوریتم­ ژنتیک است، البته برای انجام این کار ابتدا باید عملکرد صندوق‌ها را با بهره گرفتن از روش شبکه عصبی مصنوعی پیش‌بینی نمود. این گامی در راستای آگاه کردن سرمایه ­گذاران برای سرمایه‌گذاری مناسب­تر منابعشان است. ضمناً یک سیستم پیش‌بینی بازده مناسب و مطمئن شرکت‌ها و نهادهای مالی، سبب جلب اعتماد افراد، اعم از سهامداران خرد و کلان به بازار سرمایه و رونق هر چه بیشتر آن خواهد شد و می ­تواند دریچه­ای نو به سوی جلب سرمایه باشد. همچنین انتخاب سبدی بهینه از صندوق‌های سرمایه‌گذاری مشترک کمک زیادی در ایجاد صندوق‌های سرمایه ­گذاری مشترک چند صندوقی (صندوق صندوق)[3] می کند که این به نوبه‌ی خود منجر به توسعه ابزارهای مالی کشور خواهد شد و بدیهی است وجود تنوع در صندوق‌های سرمایه‌گذاری مشترک به عنوان یکی از اقسام نهادهای مالی، ازجمله عوامل مؤثر در ایجاد انگیزه برای مشارکت سرمایه‌گذاران در بازار سرمایه است.

1-4- اهداف پژوهش

صندوق‌های سرمایه‌گذاری مشترک یکی از انواع واسطه­های مالی نوین هستند که با فروش سهام خود به عامه مردم وجوهی را تحصیل و در ترکیب متنوع از اوراق بهادار با توجه به هدف صندوق، به طور حرفه‌ای سرمایه‌گذاری می‌کنند.

توسعه سرمایه‌گذاری از یک سو موجب جذب سرمایه و هدایت آن به بخش‌های مولد اقتصادی شده و از سوی دیگر با توجه به جهت‌گیری سرمایه­گذاران، سرمایه‌گذاری‌ها به سمت صنایعی هدایت خواهند شد که از سود بیشتر یا ریسک کمتری برخوردار است و این امر در نهایت سبب تخصیص بهینه منابع و رشد و شکوفایی اقتصادی کشور خواهد شد. در این راستا انتخاب پیش ­بینی بازده آتی و تشکیل پرتفوی، یکی از دغدغه‌های اصلی سرمایه‌گذاران است. لذا اهداف این پژوهش به شرح ذیل می‌باشند:

1) بررسی معیارهای تأثیرگذار بر بازده صندوق‌های سرمایه‌گذاری مشترک

2) استفاده از شبکه عصبی مصنوعی برای پیش‌بینی بازده صندوق‌های سرمایه‌گذاری مشترک

3) مقایسه روش شبکه عصبی مصنوعی با رگرسیونی برای پیش‌بینی بازده صندوق‌های مشترک

4) استفاده از الگوریتم ژنتیک برای تشکیل پرتفوی بهینه متشکل از سهام صندوق‌های مشترک

5) مقایسه روش الگوریتم ژنتیک و مدل­های خطی جهت انتخاب سبد بهینه سهام

1-5- سؤالات و فرضیات پژوهش

1-5-1- سؤالات پژوهش

با توجه به مطالب گفته‌شده این پژوهش سعی دارد به سؤالات ذیل پاسخ دهد:

1) آیا می‌توان با بهره گرفتن از روش شبکه عصبی مصنوعی عملکرد صندوق‌های سرمایه‌گذاری مشترک را پیش‌بینی نمود؟

2) آیا روش شبکه عصبی مصنوعی جهت پیش‌بینی بازده صندوق‌های سرمایه‌گذاری مشترک در مقایسه با مدل­های رگرسیونی توان بالاتری دارد؟

3) آیا بازده پیش‌بینی‌شده توسط روش شبکه عصبی مصنوعی با بازده واقعی تفاوت معنی‌داری دارد؟

4) آیا می­توان با بهره گرفتن از الگوریتم ژنتیک سبدی بهینه متشکل از سهام صندوق‌های سرمایه‌گذاری مشترک تشکیل داد؟

5) آیا روش الگوریتم ژنتیک جهت تشکیل سبد بهینه از سهام صندوق‌های سرمایه‌گذاری مشترک در مقایسه با مدل­های سنتی توان بالاتری دارد؟

1-5-2- فرضیات پژوهش