محسن زمانی - دانش آموخته کارشناسی ارشد مهندسی فناوری اطلاعات، دانشگاه قم
امیر افسر - استادیار و عضو هیات علمی دانشکده مدیریت، دانشگاه قم
سید وحید ثقفی - عضو هیات علمی دانشکده مدیریت، دانشگاه قم
الهام بیات - دانش آموخته کارشناسی ارشد مدیریت بازرگانی، دانشگاه آزاد اسلامی واحد زنجان

افزایش میزان سود و کاهش ریسک سرمایه گذاری دربورس همیشه مهمترین دغدغه سرمایه گذاران بوده است و آنها همواره به دنبال راهی هستند که بهترین پیشنهاد را برای خرید سهام داشته باشند به گونه ای که دارای بیشترین بازده و کمترین ریسک سرمایه گذاری باشد.تحقیقات زیادی در این رابطه انجام شده است و مدل ریاضی میانگین واریانس مارکویتز به عنوان یکی از اصلی ترین کارهای این حوزه شناخته می شود. علیرغم اهمیت این مدل چندین پژوهش عنوان کرده اند که با توجه به ماهیت بازارهای مالی کنونی، واریانس ممکن است بهترین گزینه ریسک سرمایه گذاران نباشد و بهتر است معیارهای دیگری چون چولگی نیز درنظر گرفته شود. از سوی دیگر ما معتقدیم که یک برنامه سرمایه گذاری مانند انتخاب سبد سهام نه تنها باید ماحصل گذشته سهام را در نظر داشته باشد بلکه بایستی پتانسیل آتی سهام را نیز مد نظر قرار دهد، که این امر اهمیت پیش بینی قیمت سهام برای سرمایه گذاران را آشکار می سازد. این پژوهش به دنبال ارائه مدلی است که در آن پتانسیل آتی سهام، توسط شبکه های عصبی فازی پیش بینی می شود و بر اساس پیش بینی های بدست آمده، مدل های ریاضی بهینه سازی بر مبنای فاکتورهایی چون میانگین، واریانس و چولگی سبد سهام ارایه می شود. سپس، این مدل ها با استفاده از الگوریتم ژنتیک حل می گردند. نتایج تحقیق بیانگر آن است که مدل-های ارائه شده در این مقاله، در مقایسه با روش های سنتی و شاخص بازار، بازدهی بالاتری را برای سرمایه گذاران فراهم می نماید

سبد سهام بهینه, شبکه های عصبی فازی, قیمت سهام, مدل سازی فازی, الگوریتم ژنتیک