دسترسی همگانی(OPAC) نام کتابخانه در اوپک

مدل بهینه‌سازی چند‌هدفه برای انتخاب سبد ارزهای دیجیتال با تلفیق بازده مورد انتظار و احساسات بازار از شبکه‌های اجتماعی (1404) / اویسی ، مریم، نویسنده
نوع مدرک:متون چاپی
سرشناسهاویسی ، مریم، نویسنده
شماره بازیابی :‭MF ‭170 1404
عنوان :مدل بهینه‌سازی چند‌هدفه برای انتخاب سبد ارزهای دیجیتال با تلفیق بازده مورد انتظار و احساسات بازار از شبکه‌های اجتماعی
عنوان موازی :A Multi-Objective Optimization Model for Cryptocurrency Portfolio Selection Integrating Expected Return and Market Sentiment from Social Media
ناشر:دانشگاه شهید اشرفی اصفهانی: اصفهان
سال نشر :1404
صفحه شمار:106ص
شابک/شاپا26032
یادداشتپایان نامه برای دریافت درجه کارشناسی ارشد:
رشته مهندسی مالی گرایش مدیریت ریسک
شناسه افزوده :حسینی غفار ، عباس، استاد راهنما
توصیفگرهابهینه‌سازی چند‌هدفه، سبد ارزهای دیجیتال، احساسات بازار، مدل‌های پردازش زبان طبیعی، تحلیل احساسات، شبکه‌های اجتماعی.  Multi-objective optimization; cryptocurrency portfolio; market sentiment; natural language processing models; sentiment analysis; social media.
چکیده :بازار رمزارزها به‌علت نوسان‌پذیری بالا و تأثیر محسوس شبکه‌های اجتماعی نیازمند چارچوب‌های سبدسازی است که هم‌زمان معیارهای مالی و احساسات بازار را لحاظ کنند. هدف این پژوهش، توسعه یک مدل بهینه‌سازی چند‌هدفه برای انتخاب سبد ارزهای دیجیتال است که بازده مورد انتظار و شاخص‌های احساسات استخراج‌شده از شبکه‌های اجتماعی (توییتر و تلگرام) را توأمان بهینه کند. نمونه شامل مجموعه‌ای از رمزارزهای منتخب است و داده‌های تاریخی قیمت به‌همراه محتوای متنی استخراج‌شده از پست‌ها و کانال‌های مرتبط در توییتر و تلگرام گردآوری شد. بازده مورد انتظار از سری‌های زمانی قیمت با روش‌های آماری/پیش‌بینی در محیط Python با استفاده از کتابخانه‌های Pandas وNumPy محاسبه شد و امتیاز احساسات با مدل پردازش زبان طبیعی FinBERT در کتابخانه Transformers برای هر دارایی اندازه‌گیری گردید. سپس، یک مسئله بهینه‌سازی دو‌هدفه (بیشینه‌سازی بازده و بهینه‌سازی امتیاز احساسات/کاهش عدم‌اطمینانی رفتاری) با استفاده از الگوریتم تکاملی NSGA-II پیاده‌سازی‌شده در کتابخانه Pymooحل شد و مرز پارتوی حاصل تحلیل گردید. در نهایت، نتایج با مدل کلاسیک مارکویتز مقایسه شد. یافته‌ها نشان داد که ترکیب داده‌های احساسات شبکه‌های اجتماعی با معیارهای مالی، مرز پارتوی متنوعی از سبدها ارائه کرد که سطوح مختلفی از تعادل بین بازده مورد انتظار و هم‌راستایی با احساسات بازار را فراهم می‌کند. همچنین، ادغام شاخص‌های احساسات منجر به تولید سبدهایی شد که در دوره‌های پیک احساسات بازار، نوسان‌پذیری و افت شدید کمتری تجربه کردند. این سبدها در مقایسه با مدل مارکویتز کلاسیک، در بیشتر سناریوهای آزمایشی بازده تعدیل‌شده با ریسک بالاتری ارائه دادند. تحلیل حساسیت نشان داد که نتایج نسبت به تغییرات معقول در وزن‌دهی بین اهداف پایدار بوده و سرمایه‌گذاران می‌توانند با تنظیم وزن‌ها، توازنی میان بازده و هم‌راستایی با احساسات بازار پیدا کنند
لینک ثابت رکورد:../opac/index.php?lvl=record_display&id=14868
زبان مدرک :فارسی
شماره ثبتشماره بازیابینام عام موادمحل نگهداریوضعیت ثبتوضعیت امانت
26032‭MF ‭170 1404 پایان‌نامهدانشگاه شهید اشرفی اصفهانیاسناد مرجعغیر قابل امانت

کاربران آنلاین :