مروری بررویکردهای داده کاوی درتشکیل سبداوراق بهادار

رشدوتوسعه هرکشور مستلزم به کارگیری منابع درشکل بهینه و هدایت آنها درمسیری درست است درهرجامعه ای نهادهای مختلفی میتوانند درجهت این هدف گام برداشته و نقش موثری دراین رابطه ایفا کنند به رغم تنوع و تعدد نهادهای مربوط به بازارهای مالی بازار بورس اوراق بهادارمهمترین و اصلی ترین مرکز برای مبادلات دارایی های مالی تلقی میشود مسئله سرمایه گذاری دربازار بورس اوراق بهادار یک مساله انتخاب باریسک بالا می باشد که درطی آن باید موقعیت های مناسب سرمایه گذاری تعیین شده و میزان تخصیص بهینه ی سرمایه به هرکدام ازموقعیت ها درقالب سبد سهام به دست آید سبد سهام به منظور کاهش ریسک و به صورتی انتخاب میشود تا درشرایط عادی احتمال کاهش بازده همه ی سهام خریدار شده نزدیک به صرف باشد گرچه کمینه کردن ریسک و بیشینه کردن بازده سرمایه گذاری به نظر ساده می رسد امادرعمل سرمایه گذاران بااستفاده ازروش های متعددی سعی درتشکیل سبداوراق بهاداربهینه دارند ازطرفی دربین تمام کاربردهای داده کاوی درزمینه ی سرمایه گذاری انتخاب سهام مدت مدیدی است که به عنوان یک چالش و وظیفه ی مهم شناخته میشود که ما را برآن داشت درمقاله ی پیشرو به مرور روشهای داده کاوی موجود برای تشکیل سبداوراق بهاداربپردازیم

کلیدواژه ها:

داده کاوی ، بازار سهام ، سبد اوراق بهادار ، قوانین انجمنی ، خوشه بندی ، الگوریتم ژنتیک ، ماشین بردارپشتیبان