دادهکاوی و مفاهیم مربوط به آن
سامان هراتی زاده؛ فاطمه رضایی
چکیده
هدف: انتخاب سهام برای قرار گرفتن در یک سبد سهام و همچنین تخصیص میزان مناسبی از سرمایه به هر یک از سهام درون سبد، چالشهای جدی سرمایهگذاری در بازار سهام هستند. تاکنون در پژوهشهای متعددی از روشهای پیشرفته یادگیری ماشین برای انتخاب سهام درون سبد سهام استفاده شده است، استفاده از ظرفیتهای یادگیری ماشین در فرآیند تخصیص کارآمد سرمایه ...
بیشتر
هدف: انتخاب سهام برای قرار گرفتن در یک سبد سهام و همچنین تخصیص میزان مناسبی از سرمایه به هر یک از سهام درون سبد، چالشهای جدی سرمایهگذاری در بازار سهام هستند. تاکنون در پژوهشهای متعددی از روشهای پیشرفته یادگیری ماشین برای انتخاب سهام درون سبد سهام استفاده شده است، استفاده از ظرفیتهای یادگیری ماشین در فرآیند تخصیص کارآمد سرمایه میان سهام سبد کمتر موردتوجه قرار گرفته است و معمولا وزن یکسان به سهام سبد تخصیص داده میشود یا از روشهای سنتی ارزیابی ریسک برای تقسیم سرمایه میان سهام سبد استفاده میشود. نقطهضعف مشترک این روشها این است که در همه آنها از مکانیزمهای ساده و انعطافناپذیر برای تخمین کارایی یک سبد سهام استفاده میشود. در این مقاله ما برای نخستینبار نشان میدهیم که با استفاده از یادگیری ماشین میتوان مکانیزم موثرتری برای این تخمین کارایی ساخت که منجربه تخصیص پربازدهتر سرمایه به سهام سبد میشود.روششناسی پژوهش: چارچوب پیشنهادی ما موسوم به Per-Learner از دو مدل پیشبینی مبتنی بر یادگیری ماشین استفاده میکند. در گام 1 با استفاده از اطلاعات تاریخی سهام در یک مدل پیشبینی بازده سهم، سهام مناسب سبد انتخاب میشود و در گام 2 به کمک یک مدل پیشبینی مجزا سعی میشود با درنظر گرفتن همزمان سود پیشبینیشده در مدل اول و ریسک مورد انتظار هر یک از سهمهای سبد، بازده سبد در آینده پیشبینی شده و بر این اساس ترکیب وزن مناسب برای سهام سبد انتخاب و پیشنهاد گردد.یافتهها: مقایسه بازده تجمعی سبدهای تنظیمشده با این مدل و سبدهای تنظیمشده با سایر روشهای بهینهسازی سبد سهام، برتری مدل پیشنهادی را نشان میدهد.اصالت/ارزشافزوده علمی: در این مقاله با بهرهگیری از مدلهای یادگیری ماشین، فرآیند انتخاب سهام سبد و تخصیص سرمایه مناسب میان سهام سبد بهصورت خودکار انجام شده است و تاثیر آن در کارایی سبد بهوضوح دیده میشود.
مدلهای زمانبندی
هائد توکلی مقدم؛ سید حسام الدین ذگردی؛ محمدرضا امین ناصری
چکیده
هدف: در این مقاله، پس از به دست آوردن مدل یادگیری تقویتی زمانبندی با در نظر گرفتن نت پیشگویانه، چندین رویکرد ابتکاری برای ارزیابی مدل مطرح شده است. برای اینکه یک مدل یادگیری تقویتی آموزش داده شود، باید تابع پاداش و زیان آن با توجه به شرایط محیط کارگاه، تعیین شود.
روششناسی پژوهش: این مدل یادگیری در حالت های مختلف ورود کار به کارگاه ...
بیشتر
هدف: در این مقاله، پس از به دست آوردن مدل یادگیری تقویتی زمانبندی با در نظر گرفتن نت پیشگویانه، چندین رویکرد ابتکاری برای ارزیابی مدل مطرح شده است. برای اینکه یک مدل یادگیری تقویتی آموزش داده شود، باید تابع پاداش و زیان آن با توجه به شرایط محیط کارگاه، تعیین شود.
روششناسی پژوهش: این مدل یادگیری در حالت های مختلف ورود کار به کارگاه مورد بررسی قرار گرفته است.
یافتهها: نتایج به دست آمده از روش های دیگر زمانبندی، خروجی های بهتری را از خود نشان میدهد. مدل نت پیشگویانه، با چهار روش مدل سازی یادگیری مورد ارزیابی و کیفیت مدل ها مورد بررسی قرار می گیرد. با انتخاب و اضافه کردن بهترین مدل خرابی ماشین به مدل یادگیری تقویتی زمانبندی، کارهای بلادرنگ وارد شده به کارگاه، به ماشین ها تخصیص داده می شوند. با مقایسه روش مطرح شده و روش های پیشین مشخص شد که بهترین عملکرد را از خود نشان داده است.
اصالت/ارزش افزوده علمی: یکی از نوآوری های مقاله ارائه تعریف تابع پاداش برای مسئله مورد نظر می باشد.