توسعه سیستمهای انتخاب هوشمند مجموعه سهام (حل مسائل توزیع هوشمند تلاشها)

تخصیص منابع در شرایط نایقینی و عدم اطمینان به صورت بهینه و کار اهداف این تحقیق می باشد. منبعی که انتخاب شده است ، سرمایه می باشد که بایستی به صورت بهینه بین سهام بازار بورس تقسیم شود. اگر سهام بازار، از فرضیاتی همچون نرمال بودن تابع توزیع بازده و ایستا بودن آن پیروی نمایند، روش مارکویتز سیستم تخصیص بهینه سرمایه می باشد. ولی اگر این فرضیات صادق نباشند، بهینگی این مدل از میان می رود. پیشنهاد سیستم جایگزین در این حالت شبکه عصبی می باشد. شبکه عصبی می تواند مستقل از مدل رفتار نماید و نیازی به مفروضات خاص در مورد داده ها ندارد. دو پارامتر مهم در تشکیل سبد، ریسک و بازده مورد انتظار هستند. واریانس ، نیم واریانس و قدر مطلق انحراف به عنوان نماینده ریسک انتخاب شده اند. شبکه در سه حالت با سرپرتی پس از انتشار خطا، عاطفی و تکاملی آموزش می یابد. شبکه پس انتشار خطا فقط به منظور ازدیاد بازده سبد بدون توجه به ریسک می باشد ولی در سبدهای شبکه با یادگیری عاطفی و تکاملی، عامل ریسک نیز موثر است و کاربرد قادر به انتخاب یکی از سه پارامتر دیسک می باشد.