دانلود پایان نامه درمورد بازده مورد انتظار، هوش مصنوعی، انحراف معیار

دانلود پایان نامه ارشد

ن معنا نیست که تمامی مسائل مربوط به تجزیه و تحلیل اوراق قرضه به آسانی قابل حل است. نرخ بهره اولین عاملی است که بر قیمت اوراق قرضه تأثیر میگذارد، با این حال کسی نمیتواند به طور ثابت تغییرات این نرخ را پیشبینی کند. فرآیند ارزشیابی سهام عادی پیچیدهتر از اوراق قرضه است. برای این که در این حالت سرمایهگذار با کل اقتصاد، صنعت مربوطه و شرکت خاص سرو کار دارد. در فرآیند ارزشیابی سهام عادی هم بازده مورد انتظار و هم ریسک آن باید برآورده شود.

2-1-5-2 مدیریت پرتفوی
دومین جزء مهم فرآیند تصمیمگیری مدیریت پرتفوی است. بعد از اینکه اوراق بهادار مورد ارزشیابی قرار گرفتند بایستی یک پرتفوی (مجموعه سرمایهگذاری) انتخاب شود. مفاهیم مربوط به چرایی و چگونگی ایجاد پرتفوی شناخته شدهاست. بسیاری از کارهایی که در این زمینه صورت میگیرد در اشکال ریاضی و آمار هستند. ریاضیات و آمار نقش مهمی در مطالعات سرمایهگذار ایفا میکنند. یک سرمایهگذار موفق و هوشیار همیشه به دنبال اصلاح پرتفوی خود است. این کار باعث مطرح شدن سؤالات مهمی میشود. اگر سرمایهگذار یک استراتژی فعالانهای را در پیش بگیرد در آن زمان بحث کارایی بازار مطرح میشود. اگر قیمتها به سرعت و به طور کامل منعکس کنندۀ اطلاعات باشد در آن حالت سرمایهگذاران باید در خصوص نحوۀ تأثیر آن بر تصمیمات خرید و فروش بررسیهای لازم را انجام دهند. حتی اگر سرمایه گذاران یک استراتژی منفعلانهای را در پیش بگیرند باز هم باید در خصوص سؤالاتی از قبیل مالیاتها، هزینۀ انتقال، نگهداری سطح مطلوب ریسک و سایر موارد، بررسیهای لازم را انجام دهند. سرانجام این که همۀ سرمایه گذاران تمایل دارند بدانند چگونه پرتفوی خود را به نحو احسن مدیریت کنند (جونز، 1391، 20-21).

2-1-6 مدل مارکویتز
در سال 1950 هری مارکویتز مدل اساسی پرتفوی را ارائه کرد که مبنایی برای تئوری مدرن پرتفوی قرار گرفت. قبل از مارکویتز سرمایهگذاران با مفاهیم ریسک و بازده آشنا بودند. اگرچه آن ها با مفهوم ریسک آشنا بودند ولی معمولاً نمیتوانستند آن را اندازهگیری کنند. سرمایهگذاران از قبل میدانستند که ایجاد تنوع مناسبت است و نباید همۀ تخممرغهایشان را در یک سبد بگذارند. با این حال، مارکویتز اولین کسی بود که مفهوم پرتفوی و ایجاد تنوع را به صورت روش علمی بیان کرد. او به صورت کمی نشان داد که چرا و چگونه تنوع سازی پرتفوی میتواند باهث کاهش ریسک پرتفوی (مجموعه سرمایهگذاری) یک سرمایهگذار شود. چرا ایجاد تنوع در سرمایهگذاری برای سرمایهگذاران مهم است؟ میتوان گفت که قانون شماره یک مدیریت پرتفوی ایجاد تنوع است. از آنجا که سرمایهگذاران نسبت به آینده مطمئن نیستند باید برای کاهش ریسک دست به ایجاد تنوع در سرمایهگذاری خود بزنند. به عبارت دیگر تشکیل یک پرتفوی متنوع، میزان ریسک را تا حد زیادی کاهش میدهد. به عنوان مثال در بحران اقتصادی سال 1987 آمریکا، فقط کم تر از 5 درصد صندوقهای مشترک سرمایهگذاری (که اقدام به تشکیل پرتفوی می کردند) با ضرر و زیان مواجه شدند. مارکویتز درصدد برآمد تا روشها و ایدههای موجود را در قالب یک چارچوب رسمی سازماندهی کرده و به این سؤال اساسی پاسخ دهد: آیا ریسک پرتفوی با مجموع ریسک اوراق بهادار منفرد که روی هم پرتفوی را تشکیل می دهند برابر است؟ مارکویتز با ارائۀ روش اندازهگیری ریسک پرتفوی به محاسبۀ ریسک و بازده مورد انتظار پرتفوی پرداخت. مدل او بر مبنای بازده مورد انتظار و ویژگیهای ریسک اوراق بهادار که چارچوب تئوریکی برای تجزیه و تحلیل گزینههای ریسک و بازده است، استوار شدهاست. مارکویتز همچنین مفهوم پرتفوی کارا را مطرح کرد. پرتفوی کارا به معنای ترکیب مطلوب اوراق بهادار به نحوی است که ریسک آن پرتفوی در ازای نرخ بازده معین به حداقل رسیده باشد. سرمایهگذاران میتوانند از طریق مشخص کردن نرخ بازده مورد انتظار پرتفوی و حداقل کردن ریسک پرتفوی در این سطح بازده، پرتفوی کارا را مشخص میکنند. سرمایهگذاران منطقی به دنبال پرتفویهای کارا هستند زیرا اینگونه پرتفویها باعث حداکثر شدن بازده مورد انتظار برای سطح معینی از ریسک، یا حداقل ریسک برای بازده مورد انتظار معینی میشود. با توجه به اهمیت این موارد، به چگونگی برآورد ریسک و بازده پرتفوی خواهیم پرداخت. برای تعیین یک پرتفوی کارا، لازم است بازده مورد انتظار و انحراف معیار بازده برای هر پرتفوی را مشخص کنیم. به همین منظور و برای محاسبۀ بازده مورد انتظار و انحراف معیار آن باید از مدل مارکویتز استفاده کنیم. مفروضات اساسی مارکویتز، مبنای مدل او را شکل میدهد. طبق مفروضات مارکویتز، سرمایهگذاران بازده را مطلوب دانسته و از ریسک گریزان هستند، به علاوه در تصمیمگیری منطقی عمل میکنند و تصمیمگیریهایی اتخاذ می کنند که باعث حداکثر کردن بازده مطلوب آنها میشود. بنابراین مطلوبیت سرمایهگذاران، تابعی است از بازده مورد انتظار و ریسک، که این دو عامل، پارامترهای اساسی تصمیمات مربوط به سرمایهگذاری هستند. در این مدل برای محاسبۀ بازده مورد انتظار و ریسک آن، معادلههایی ارائه شدهاست. پرتفویی که تشکیل میشود در طول چندین دوره نگهداری میشود. تئوری پرتفوی با وقایع مربوط به آینده و وقایع مورد انتظار در آینده سرو کار دارد. در صورتی که اگر بخواهیم تصمیمی را در خصوص پرتفوی و برای آینده اتخاذ کنیم باید از مقادیر مربوط به آینده استفاده کنیم. از طرف دیگر اگر بخواهیم عملکرد پرتفوی را برای دورههای قبل ارزیابی کنیم از مقادیر واقعی ریسک و بازده که مربوط به وقایع گذشته است استفاده میکنیم. تجزیه و تحلیل مارکویتز با به کارگیری مجموعهای از ورودیها باعث شناسایی پرتفوی کارا میشود، این ورودیها عبارتند از:
بازده مورد انتظار، E(R) ، برای هر اوراق بهاداری که مدنظر است.
انحراف معیار بازده ها، SD(R)، به عنوان معیار ریسک هر یک از اوراق بهادار.
کوواریانس میان نرخ بازده اوراق بهادار (جونز، 1391، 156-157)
این روش برای اولین بار توسط هری مارکویتز به بازار سرمایه معرفی شد که این تحقیق توانست برای این دانشمند بزرگ در رشته ی اقتصاد جایزۀ نوبل را به ارمغان بیاورد. اعتقاد اثبات شده در این روش بر بهینه سازی ریسک و بازده از طریق چندگونه سازی سهام استوار گردیده است. در این روش به اثبات رسیده که تقسیم سرمایه به سهام مختلف و بررسی چگونگی ارتباط بین آنان میتوان بدون تعدیل بازده، ریسک را کاهش داد. به تعبیری دیگر مارکویتز معتقد است که بازده سبد سهام برابر بازده وزنی تک تک سهام می باشد اما ریسک سبد الزاماً برابر ریسک وزنی آحاد سهام داخل سبد نبوده و این موضوع ارتباط کاملی با همبستگی یا عدم همبستگی بازده سهام تک شرکتهای درون سبد با یکدیگر دارد. بر این اساس اگر به طور اتفاقی تعداد 10 سهام را از بازار انتخاب کنیم، مطمئناً ریسک این سبد از ریسک تک سهم های بازار کمتر خواهد بود. بر طبق تئوری مارکویتز بازده یک سبد سهام برابر میانگین وزنی تک تک سهام داخل سبد است. اما این موضوع در خصوص ریسک سهام یک سبد صادق نیست. اگر بتوانیم سبد سهامی تشکیل دهیم که بین تک تک سهمهای موجود در سبد کمترین ضریب همبستگی حاکم باشد در آن صورت میتوانیم مطمئن باشیم که ریسک سبد به طور یقین کمتر از وزن ریسک تک تک سهام تشکیل دهندۀ آن خواهد بود. برای بررسی دقیق این موضوع کوواریانس بین سهمهای یک سبد به صورت دو به دو محاسبه خواهند شد و ترکیبی به نظر مناسبتر خواهد رسید که تعداد کوواریانسهای منفی و مثبت آن دارای رابطهای منطقی باشند. در این مدل درصد تخصیص اجزای سرمایه به هر سهم دارای تأثیرات قابل توجهی خواهد بود. باور اینکه انتخاب تعداد سهام از صنایع مختلف الزاماً میتواند ما را به یک حاشیۀ امنیتی مناسب برساند، به طور قطع و الزام، قابل اتکا نخواهد بود، چه بسیار از سهمهایی که در صنایع مختلف قرار دارند اما اگر نمودار بازده آنان را با یکدیگر مورد مقایسه قرار دهیم شباهت های بسیاری در بین این دو قابل تشخیص خواهد بود و اگر این دو سهم را در قالب ریاضی نیز مورد مقایسه قرار دهیم خواهیم دید که دارای کوواریانس بسیار قوی با یکدیگر میباشند (شهدایی، 1388، 8).

2-1-7 انتقادات وارد بر نظریة مدرن پرتفوی
نظریۀ مدرن پرتفوی بر مبنای کارا بودن بازار بنا شده است. کسب اطلاعات دربارۀ بازار هزینه بر است و غیرممکن است که کلیۀ اطلاعات دربارۀ هر سهم را بدست آورد. بنابراین قیمتها به خوبی نمیتوانند منعکس کنندۀ اطلاعات باشند و بازار نمیتواند کارا باشد. بنابراین شناسایی سهامهایی که قیمتی پایینتر از ارزش ذاتیشان دارند بسیار مهم است.
انتقاد دیگر، بار محاسباتی ایجاد شده توسط کاربرد معادلۀ درجه دوم و ماتریس کوواریانس می باشد. این بار محاسباتی باعث مشکلات چالش برانگیزی در کاربرد آن در زندگی واقعی به علت تعداد زیاد سهامها می شود و به این علت است که سرمایه گذاران ترجیح میدهند از قواعد ساده به جای مدل های نظریۀ مدرن پرتفوی استفاده کنند.
انتقاد دیگر این است که نظریۀ مدرن پرتفوی ترجیحات سرمایهگذاران را نادیده میگیرد. علاوه بر این اغلب دیده شدهاست که در بهینه سازی پرتفوی، سرمایهگذاران، پرتفویهایی که زیر مرز کارای مارکویتز قرار دارند را انتخاب کردهاند. که این پدیده اینگونه میتواند توضیح داده شود که در حقیقت تمام اطلاعات مرتبط برای تصمیمات سرمایهگذاری منحصراً مربوط به ریسک و بازده نیست. بنابراین برخی معیارهای اضافی باید به معیار کلاسیک ریسک- بازده اضافه شود (Yunusoglu, Selim, 2013).

2-2 بخش دوم: سیستمهای خبره
ریشه اصلی سیستمهای خبره یا سیستمهای مبتنی بر دانش به حوزۀ مطالعاتی به نام هوش مصنوعی (AI) برمیگردد. AI به عنوان یک حوزۀ تحقیقی و مطالعاتی از سال 1940 آغاز به کار کرد. در طی 60 سال بعد از ظهور AI، موفقیتها و شکستهای زیادی در رابطه با این علم ایجاد شدهاست. هوش مصنوعی قابلیتی است برای انجام وظایف و فعالیتهای رایانه که همانند انسان نیاز به دانش، دقت، استدلال، آموزش، فهم و قابلیتهای ادراکی دارد (Darlington, 2000, 2).
تحقیق درباره AI در دهۀ 1940 شروع شد، زمانی که اولین نسل رایانهها در مؤسسات تحقیقاتی به کار گرفته شدند. اساس منطق ماشینی مبتنی بر علم ریاضیات بوده است. در سال 1956، جان ماکارتی واژۀ هوش مصنوعی را در کنفرانسی در دانشکدۀ دارتموس آمریکا برای اولین بار به کار برد (الهی، رجب زاده، 1382، 3). از پیامدهای توجه به هوش مصنوعی، حل مسائل عمومی از این طریق، ظهور KBS و سیستمهای خبرۀ تجاری بوده است.
از نقایص مدلهای موجود قبل از ظهور سیستمهای مبتنی بر دانش این بود که با افزایش اندازۀ مسائل، فضای جستجوی آنها به صورت نمایی افزایش مییافت. با خاص نمودن مسائل و تمرکز بر دانش خاصی که با مسأله کاملاً مرتبط است، می توان فضای جستجو را محدودتر نمود. بنابراین واقعیت تازهای در تحقیق در دهه 1970 آشکار شد که در انتظارش بودند و واترمن در آن اظهار داشت که: برای ایجاد یک برنامۀ هوشمند، آن برنامه باید با کیفیت بالا به نحوی که دانش خاصی در حوزۀ آن مسأله و مرتبط با آن باشد، طراحی گردد. لنا و گاتها این مورد را به نام اصل دانش نامیدند. آنها چنین اظهار داشتند:
“اگر یک برنامه بخواهد یک کار پیچیده را انجام دهد، باید پیرامون آن موضوع اطلاعات زیادی کسب کرده باشد. در صورت عدم وجود دانش دربارۀ مسأله، جستجو و استدلال هم وجود ندارد و این برای حل مسأله کافی نیست.”
اولین فعالیتهای سیستم مبتنی بر دانش در حوزههای زندگی واقعی نظیر تشخیص بیماریهای عفونی و پیشبینی منابع طبیعی معدنی در نواحی مختلف جغرافیایی بود. این فعالیتهای ابتدایی برای این بود که ببینند آیا این دیدگاهها در عمل قابل دسترسی هستند یا خیر. در این زمینه اولین سیستم طراحی شده سیستم DENDRAL بود. ادوارد فیگناوم این سیستم را برای ارزیابی و تشخیص ساختارهای شیمیایی مولکولهای ناشناخته مورد استفاده قرار داد. از آنجایی که این سیستمها نیاز به خدمات یک فرد متخصص داشتند به نام سیستمهای خبره شناخته شدند. آنها همچنین سیستمهای مبتنی بر دانش یا

پایان نامه
Previous Entries دانلود پایان نامه درمورد اوراق قرضه، بازار سرمایه، بورس اوراق بهادار Next Entries دانلود پایان نامه درمورد سیستم خبره، هوش مصنوعی، قابلیت اعتماد