ورود و ثبت نام

بازار بورس، بازاری است که در آن اوراق بهادار خرید و فروش می شوند. مهم ترین این اوراق بهادار، سهام شرکت ها می باشد که توسط معامله گران خرید و فروش می شوند. سهام شرکت ها برای خرید و فروش باید مورد تحلیل و بررسی قرار گیرند و بهترین آنها برای یک معامله گر انتخاب شوند. در این مقاله ما می خواهیم درباره بهینه سازی سبد سهام برای شما توضیح دهیم.

سبد سهام چیست؟

منظور از سبد سهام یا پرتفو، همان مجموع سبدی است که شما در اختیار دارید. شما تعدادی سهم را خریداری می کنید و مجموع این ها را سبد بورسی شما را می گویند. سبد یک شخص نشان دهنده نوع معامله گری و استراتژی های معاملاتی شما می باشد.

شما می توانید انواع مختلفی از سهام را در سبد خود داشته باشید و یا این که فقط یک سهم را درون آن داشته باشید. این که چه سهم هایی را از چه گروه هایی انتخاب کنید بستگی به خود شما دارد. سود و ضرر سبد شما بستگی به قدرت تحلیل شما برای خرید و فروش سهام مناسب دارد.

در این میان، سبد سهام باید هر از مدتی تغییر یابند و بهینه شوند. اما منظور از بهینه سازی چیست؟

بهینه سازی سبد سهام چیست؟

بهینه سازی سبد یا پرتقوی یکی از مسائل مهم در حوزه مسائل مالی و سرمایه گذاری است و دارای کاربردهای فراوانی در زمینه مدیریت سرمایه می باشد.

اما منظور از بهینه سازی سبد سهام چیست؟ منظور از بهینه سازی این است که شما بازدهی سبد را افزایش و ریسک آن را کاهش دهید .  در واقع در بهینه سازی سبد سهام دو چیز مد نظر است: افزایش بازدهی ، کاهش ریسک.

اما این کار چگونه انجام می شود؟ در سال 1952 هری مارکوویتز و چند تن دیگر این نظریه را عنوان کردند که بازدهی و ریسک دو عامل مهم برای یک سبد هستند. مارکوویتز عنوان کرد که می شود برای بهینه سازی سهام برنامه ریزی ریاضی کرد و معادلاتی را نوشت و  به این ترتیب بهترین نتیجه را بدست آورد.

انتخاب سهام برای هر کسی به اشکال مختلفی انجام می شود. برخی سهام خود را با توجه به گذشته سهم انتخاب می کنندو برخی نقدشوندگی و سود نقد سهم را در نظر می گیرند. در کنار این ها نقش تحلیل هم بسیار پررنگ است و افراد با استفاده از تحلیل های تکنیکال و فاندامنتال دست به خرید سهام می زنند. پس از آن که سبد سهام شکل گرفت، می توان از طریق روش هایی آن را بهینه کرد و بیشترین بازدهی را کسب کرد و این همان چیزی است که بهینه سازی سهام خوانده می شود.

بهینه سازی سبد سهام چگونه انجام می شود؟

بهینه سازی سهام از طریق دو روش کلی انجام می شوند:

روش برنامه ریزی خطی:

این روش، یکی از روش های دقیق می باشد و بسیار ساده است. در این روش که هدف آن کاهش دادن ریسک سبد سهام تا حد مشخصی می باشد مسئله را به صورت خطی حل می نمایند.

روش برنامه ریزی غیرخطی:

روش غیرخطی یا درجه دوم در واقع همان روش اصلی مارکوویتز می باشد. از طریق این روش می توان به پرتفویی بهینه دست یافت. مشکلی که در قبال این روش وجود دارد وقت گیر بودن آن می باشد. با کامپیوترهای پرسرعت امروزه اما حل کردن آنها بسیار سریع انجام می شود و جای نگرانی وجود ندارد. شما می توانید با این روش می توانید پرتفویی کم ریسک و با بازدهی خوب داشته باشید.

حل مسئله بهینه سازی سهام

برای حل مسئله بهینه سازی سهام، می توان از ابزارها و الگوهای مختلفی استفاده کرد که هم الگوریتم های کلاسیک و هم الگوریتم های هوشمند و فراابتکاری می باشد.

مشکلات بهینه سازی سهام

بهینه سازی سهام به راحتی و با حل یک مسئله ریاضی انجام نمی شود.یکی از فرض هایی که در مسئل بهینه سازی سهام انجام می شود این است بازده سهام موجود در یک سبد نرمال فرض می شود و این چیزی است که در بازار واقعی و پر از نوسان اتفاق نمی افتد. در این جاست که بهتر است به جای استفاده از واریانس از نیم واریانس استفاده کنیم.

استفاده از واریانس به جای نیم واریانس واقع گرایانه تر است اما حتی این کار هم نمی تواند تمام پیچیدگی های موجود در سهام را در خود جای دهد. بنابراین باید از روش ها و متغیرهای دیگری استفاده کنیم تا مسئله ما به واقعیت نزدیک تر شود.

روش های پیش بینی بازده های مورد انتظار در آینده برای سبد سهام

عده ای بر این باور هستند که بازده های مورد انتظار آینده را باید پیش بینی کرد و به همین دلیل است که روش های برای انجام این کار بوجود آمد . در زیر ما به معرفی چند تا پرداخته ایم:

روش  AR

این روش به نام روش خود رگرسیون است . از این روش می توان هم به صورت خطی و هم به صورت غیرخطی استفاده کرد.

روش  ARMA

این روش، روش میانگین متحرک خود رگرسیونی است. در این روش، سری زمانی مورد انتظار به صورت میانگین متحرک و خودرگرسیونی در نظر گرفته شده و پیش بینی آینده صورت می گیرد.

روش  ARX  و  ARMAX

در این روش ها از ترکیب های سری زمانی استفاده می شود تا پیش بینی دقیق تری حاصل شود.

شبکه های عصبی

از شبکه های عصبی می توان هم برای پیش بینی و هم برای بهینه سازی استفاده کرد. شبکه های عصبی از توابعی مختلف برای پیش بینی سری زمانی استفاده می نماید که پیش بینی های صورت گرفته کاملا به صورت غیرخطی می باشد. از شبکه های عصبی می توان به صورت تابع خودرگرسیونی، هم به صورت تابع خودرگرسیونی با متغیر مستقل و هم به صورت استفاده از یک متغیر مستقل که به ترتیب به نام های NAR، NARX و NN input-output استفاده کرد.

مدل خاکستری

مدل خاکستری یکی دیگر از مدل های جدید می باشد که از آن می توان هم برای پیش بینی و هم برای بهینه سازی پرتفوی استفاده نمود. از این مدل زمانی استفاده می شود که اطلاعات کافی در دسترس نباشد و وضعیت کلی در حالتی از ابهام قرار داشته باشد ( که در بیشتر موارد این گونه است).

این مدل را عموما در مقالات گوناگون با شبکه های عصبی مقایسه کرده اند.

 روش های حل بهینه سازی

همانطور که پیش تر گفته شد، مسئله بهینه سازی را می توان هم به شکل خطی و هم به شکل غیرخطی حل نمود اما این روش ها زمانی نتیجه بخش هستند که مولفه های دیگری وارد مسئله بهینه سازی نشوند. انتخاب سبد سهام به منظور حداکثر سازی سود یکی از مهم ترین دغدغه های سرمایه گذاران در بازار های مالی است می باشد. روش های کنونی در انتخاب بهینه سبد سهام کارکرد لازم را ندارند.  برای حل این مشکل، الگوریتم های فرا ابتکاری مورد توجه قرار گرفته اند.

الگوریتم های فرا ابتکاری الگوریتم هایی می باشند که عموما از طبیعت الهام گرفته شده اند و با استفاده از آنها می توان مسائل غیرخطی همراه با محدودیت را حل نمود. برای مثال خیلی از الگوهای ابتکاری از ژنتیک الهام گرفته می شوند و این در نوع خود خیلی جالب است. با استفاده از الگوهای فراابتکاری در نرم افزارهایی چون متلب شما می توانید سبدی بهینه را برای خود انتخاب کنید و مسئله بهینه سازی را به خوبی حل کنید.

محدودیت های بهینه سازی سهام

در بهینه سازی سهام، فرض هایی وجود دارد که خیلی از آنها ممکن است در بازار دچار تغییر و نوسان شوند. یکی از این فرض ها این است که سرمایه گذاران از معاملات با ریسک بالا اجتناب می کنند و این در حالی است که هر اتفاقی ممکن است در بازار بیفتد. بنابراین در بهنیه سازی سهام از طریق الگوریتم های مختلف باید به این نکته توجه کنید که بهینه سازی سهام دارای محدودیت های خود است.

نتیجه گیری بهینه سازی سبد سهام

سبد سهام، در واقع تمام دارایی های یک فرد در بورس است و بهینه کردن آن یعنی سود بیشتر برای فرد سهامدار. برای بهینه کردن سبد سهام، ابتدا یک مسئله ریاضی تعریف می شود و متغیرهای گوناگونی مانند واریانس یا نیمه واریانس در آن در نظر گرفته می شود. پس از آن با الگوهای و ابزارهای حل مسئله شما این مسئله را حل می کنید و بهینه سازی سهام را انجام می دهید.

سهمیران

سهمیران به عنوان شعبه ای از کارگزاری حافظ، سالهای زیادی است که به آموزش مسائل بورس مشغول است. این مجموعه با تجربه و تخصصی که دارد مسائل گوناگون بورس را آموزش می دهد و سعی می کند تا سهامداران را به افرادی تحلیل گر تبدیل کند.

سهمیران، دوره های آموزشی مختلفی را برگزار می کند که در آنها فرد در عرض مدتی کوتاه می تواند مسائل بورس و تحلیل آن را به خوبی یاد بگیرد و به خوبی در بازار پرتلاطم بورس برای خود سود کسب کند.

اساتید اموزشی سهمیران، به خوبی دانش آموزان را آموزش می دهند و با تجربه ای که دارند به درستی به سوالات ذهنی افراد پاسخ می دهند. شما با آموزش های سهمیران نکاتی را یاد خواهید گرفت که حاصل سالها تجربه می باشد. سهمیران مرحله به مرحله با شما خواهد بود تا شما را به نقطه ای برساند که خودتان بتوانید مسائل بورس را به درستی تحلیل کنید.

 

۱
۲
۳
۴
۵
میانگین امتیازات ۵ از ۵
مشاوره بورس تلفنی
چت آنلاین با کارشناس بورس
Send via WhatsApp