كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / نهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

Portfolio optimization based on return prediction using multiple parallel input CNN-LSTM

نویسندگان :

Mahdi Ashrafzadeh¹ Hatef Kiabakht²

1- دانشگاه صنعتی امیرکبیر (پلی‌تکنیک تهران) 2- دانشگاه صنعتی امیرکبیر (پلی‌تکنیک تهران)

کلمات کلیدی :

portfolio optimization،return prediction،multi-parallel input،mean-variance model

چکیده :

The success of any investment portfolio always depends on the future behavior and price events of assets. Therefore, the better one can predict the future of an asset, the more profitable decisions can be made. Today, with the expansion of machine learning models and their advanced sub-branch i.e. deep learning, it is possible to better predict the future of assets and make decisions based on those predictions. In this article, a deep learning method called CNN-LSTM with multiple parallel inputs is introduced and is shown that it is able to provide a more accurate prediction of asset returns for the next period than other machine learning and deep learning models. Then, these forecasts will be used in two stages to build the portfolio. First, the assets that have the highest predicted return are selected, and then in the second step, Markowitz's mean-variance model will be used to obtain the optimal ratio of the selected assets for trading in the next period. The model test is performed on the assets randomly selected from different New York Stock Exchange industries based on the 11 Global Industry Classification Standard (GICS) Stock Market Sectors.

لیست مقالات

لیست مقالات بایگانی شده

طراحی مدل بهینه مدیریت موجودی بانک خون بیمارستان رضوی با استفاده از برنامه ریزی عدد صحیح آمیخته

ریحانه سادات حیدریان - منیره احمدی منش

Using Redmine as a Computerized Maintenance Management System for Efficient Asset Tracking

Mohammadali Faezirad - Abolfazl Khoshnevisan

بهینه سازی زنجیره تأمین سوخت‌های زیستی با درنظرگرفتن بازده ماشین‌آلات پردازش

علی نصیری - راشد صحرائیان

Simulation of Blood Supply Process in Mass Casualty Incidents and Prediction of Blood Supply Duration Using Neural Networks

Mohammadreza Rasouli - Seyed Amirreza Salehiamiri - Erfan Hasannayebi

Measurement Error in Monitoring Dependent Process Steps

Fatemeh Sogandi

A supply chain network design problem for vaccine waste in the pandemic outbreak of COVID-19

Erfan Amani Bani - Ali ّFallahi - Mohsen Varmazyar

مکان‌یابی شعب بیمه براساس روش استدلال شواهدی و بهترین- بدترین فازی، مورد مطالعه: دفتر بیمه در شهرستان دامغان

سمیرا مسلمی - محمدعلی پیرایش

اولویت بندی کاربردهای هوش مصنوعی در لجستیک دریایی (مطالعه موردی: بندر شهید‌ رجایی)

علیرضا شکوفه - سید فرزاد حسینی - سید محمد مهدی حمیدی

بررسی وجوه مختلف شبکه عوامل تاخیر در پروژه ها با استفاده از نقشه شناخت فازی

نیلوفر هدایتی فرد - حامد سلمان زاده

شناسایی اولویت‌های پایداری زیست‌محیطی مبتنی بر اینترنت اشیا در بنادر کانتینری (مطالعه موردی: بندر شهید‌ رجایی)

صوفیه عسکری - سید فرزاد حسینی - سید محمدمهدی حمیدی

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.2.1