بهینه‌سازی سبد سهام (Portfolio Optimization) یکی از مسائل مهم در حوزه علوم مالی و سرمایه‌گذاری است که کاربردهای فراوانی را در برنامه‌ریزها و تصمیم‌گیری‌های مالی دارد. در این آموزش در ابتدا با مبانی ریاضی مدل‌های مالی آشنا و سپس آن‌ها را در پایتون (Python) پیاده‌سازی خواهیم کرد. در طول آموزش از روش‌های بهینه‌سازی تک‌هدفه (Single-Objective Optimization) و چندهدفه (Multi-Objective Optimization) بهره برده شده است که می‌توانند به خوبی تمامی مدل‌سازی‌ها را پوشش دهند.
سید علی کلامی هریس، دانشجوی دکتری عمومی داروسازی در دانشگاه علوم پزشکی تهران، در زمینه‌های پایتون، یادگیری ماشین و بازارهای مالی فعالیت دارند. ایشان در زمینه یادگیری ماشین از جمله یادگیری نظارت‌شده (Supervised Learning) و یادگیری تقویتی (Reinforcement Learning) مشغول فعالیت هستند و در سال‌های اخیر تمرکز ایشان بر روی تحلیل سری‌های زمانی مربوط به بازارهای مالی و پیاده‌سازی و مدل‌سازی‌هایی مربوط به ساختار مولکول‌ها بوده است.
توضیحات تکمیلی
بهینه‌سازی سبد سهام (Portfolio Optimization) یا انتخاب بهینه سبد سهام (Optimal Portfolio Selection) یکی از مسائل مهم در حوزه علوم مالی و سرمایه‌گذاری است که کاربردهای فراوانی را در برنامه‌ریزها و تصمیم‌گیری‌های مالی دارد. با انتخاب یک سبد سهام مناسب، می‌توان تا حدود زیادی بهینگی را در سرمایه‌گذاری (به لحاظ افزایش بازده و کاهش ریسک) افزایش داد.
در این آموزش در ابتدا با مبانی ریاضی مدل‌های مالی آشنا و سپس آن‌ها را در پایتون (Python) پیاده‌سازی خواهیم کرد. در طول آموزش از روش‌های بهینه‌سازی تک‌هدفه (Single-Objective Optimization) و چندهدفه (Multi-Objective Optimization) بهره برده شده است که می‌توانند به خوبی تمامی مدل‌سازی‌ها را پوشش دهند.
فهرست سرفصل‌ها و رئوس مطالب مطرح شده در اين مجموعه آموزشی، در ادامه آمده است:
- فصل یکم: مدل ریاضی مساله بهینه‌سازی سبد سهام (Portfolio Optimization Problem)
- درس یکم: مبانی ریاضیاتی مدل میانگین واریانس مارکویتز (Markowitz)
- درس دوم: بررسی سایر معیارهای ریسک
- درس سوم: بررسی معیارهای ارزیابی پرتفوی
- فصل دوم: پیاده‌سازی مدل در پایتون
- درس چهارم: دریافت مجموعه داده و بررسی آن
- درس پنجم: پیاده‌سازی روابط و ارزیابی سبدهای تصادفی
- درس ششم: ارزیابی سبدهای تصادفی با بیش از دو نماد
- فصل سوم: بهینه‌سازی سبد سهام به صورت مساله تک‌هدفه
- درس هفتم: آشنایی با الگوریتم بهینه‌سازی ازدحام ذرات
- درس هشتم: بهینه‌سازی با حداقل بازده مورد انتظار
- درس نهم: بهینه‌سازی با حداکثر ریسک قابل قبول و نسبت شارپ (Sharpe Ratio)
- درس دهم: بهینه‌سازی با نسبت سورتینو (Sortino)
- درس یازدهم: بهینه‌سازی با نسبت کالمار (Calmar)
- فصل چهارم: بهینه‌سازی سبد سهام به صورت مساله چندهدفه
- درس دوازدهم: آشنایی با کتابخانه PyPortfolioOpt و بیشینه‌سازی نسبت شارپ
- درس سیزدهم: رسم نمودار سطح کارا و کمینه‌سازی ریسک
مفید برای
- اقتصاد
- مدیریت
- بورس و بازار سهام
- بازار رمزارز
پیش نیاز
آنچه در این آموزش خواهید دید:
نرم افزارهای مرتبط با آموزش
پیش نمایش‌ها
۱.
مبانی ریاضیاتی مدل میانگین واریانس مارکویتز (Markowitz)
۲.
ارزیابی سبدهای تصادفی با بیش از دو نماد
۳.
بهینه‌سازی با نسبت کالمار (Calmar)
مشاهده این پیش‌نمایش، نیازمند
عضویت و ورود به سایت (+)
است.
آموزش‌های مرتبط با آموزش بهینه سازی سبد سهام در پایتون
راهنمای سفارش آموزش‌ها
.svg)
در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
- با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
- با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه
- ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
- و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود.
نظرات