تم إضافة تقرير جديد 2024
ارسل ملاحظاتك

ارسل ملاحظاتك لنا









الرئيسية > تحسين أداء المحافظ المالية باس...>الوصف

تحسين أداء المحافظ المالية باستخدام طريقة التباين - المتوسط في بلغة بايثون

المصدر: مجلة رؤى اقتصادية
الناشر: جامعة الوادي - كلية العلوم الاقتصادية والتجارية وعلوم التسيير
المؤلف الرئيسي: بوصبيع، العايش ربيع (مؤلف)
المؤلف الرئيسي (الإنجليزية): Bousbia, Laiche Rabia
المجلد/العدد: مج14, ع1
محكمة: نعم
الدولة: الجزائر
التاريخ الميلادي: 2024
الشهر: جويلية
الصفحات: 19 - 30
DOI: 10.37137/1416-014-001-001
ISSN: 2253-0088
رقم MD: 1536906
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
الذكاء الاصطناعي | التمويل الرقمي | المحافظ المالية | إدارة المخاطر
كلمات المؤلف المفتاحية:
تقلب أسعار الأسهم | محاكاة مونت كارلو | نسبة شارب | تحسين المحفظة | الخط الكفؤ | Stock Price Volatility | Monte Carlo Simulation | Sharpe Ratio | Portfolio Maximization | Efficient Frontier
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

4

حفظ في:
المستخلص: مع التقدم المستمر في مجالات البيانات الضخمة، الذكاء الاصطناعي، سلسلة الكتل، والتعلم العميق، شهدت الصناعة المالية تطورا ملحوظا، حيث لعبت هذه التقنيات دورا بارزا في تعزيز التمويل الرقمي. تساهم هذه التطورات في معالجة الكم الهائل من البيانات المالية، مع التعامل مع التعقيد الناتج عن القوانين الكامنة والتقلبات العشوائية لنماذجها. أدى هذا إلى تعقيد الخصائص المالية وزيادة صعوبة معالجة بياناتها بفعالية، مما جعل الحاجة متزايدة للتكيف مع المقررات والدراسات التي تعتمد على تقنيات معالجة البيانات. على صعيد البيانات المالية، مثل بيانات التداول عالية التردد خلال اليوم، وأسعار الأسهم وأحجام التداول، أثبتت لغة البرمجة Python أنها تقدم ميزات عديدة تخدم احتياجات الممارسين في القطاع المالي، لا سيما فيما يتعلق بمجال مالية الأسواق. تتميز Python بسرعتها العالية في الحسابات، كونها مفتوحة المصدر، إلى جانب قدرتها الممتازة على تصور البيانات. يركز هذا البحث على تحليل البيانات المالية باستخدام منصة Python، حيث تم اختيار ستة أسهم تمثل صناعات مختلفة من سوق الأوراق المالية السعودية. تشمل هذه الأسهم الشركة السعودية للصناعات الأساسية (سابك)، شركة الأسمدة العربية السعودية (سافكو)، شركة مرافق الكهرباء والمياه بالجبيل وينبع (SJSC)، شركة الزيت العربية السعودية (أرامكو)، شركة مصفاة زيوت لوبريف، وشركة الاتصالات السعودية (STC) تهدف الدراسة إلى الحصول على المحفظة المثالية باستخدام نهجين: الأول يعتمد على المحفظة ذات أعلى نسبة شارب، بينما يعنى الثاني بالمحفظة ذات أقل تباين تجريبي. يتم تحسين كلا النهجين من خلال تطبيق محاكاة مونت كارلو باستخدام Python تشمل التحليلات مقارنة العوائد المتوقعة والانحرافات المعيارية ونسب شارب، وتقييم النتائج الفعالة عبر تحديد حدود المحافظ المثلى. يظهر هذا البحث الأهمية الاستراتيجية لنظرية محفظة ماركويتز في تعزيز إدارة المخاطر المالية، وهو ما يبرز بوضوح من خلال التحليل التجريبي.

With the continuous advancements in the fields of Big Data, Artificial Intelligence, Blockchain, and Deep Learning, the financial industry has witnessed significant progress, where these technologies have played a pivotal role in enhancing digital finance. These developments contribute to processing the massive amount of financial data while addressing the complexity arising from the inherent laws and random fluctuations in financial models. This has complicated financial characteristics and increased the difficulty of effectively handling financial data, emphasizing the growing need to adapt to resolutions and studies based on data processing technologies. In the context of financial data, such as high-frequency intraday trading data, stock prices, and trading volumes, the Python programming language has proven to offer numerous features that cater to the needs of practitioners in the financial sector, particularly in the field of market finance. Python is characterized by its high computational speed, open-source nature, and excellent data visualization capabilities. This study focuses on analyzing financial data using the Python platform, selecting six stocks representing different industries from the Saudi stock market. These stocks include Saudi Basic Industries Corporation (SABIC), Saudi Arabian Fertilizer Company (SAFCO), Marafiq (The Power and Water Utility Company for Jubail and Yanbu), Saudi Aramco, Luberef (Saudi Aramco Base Oil Company), and Saudi Telecom Company (STC). The study aims to obtain the optimal portfolio using two approaches: the first based on the portfolio with the highest Sharpe Ratio and the second focused on the portfolio with the lowest experimental variance. Python implements Monte Carlo simulations to optimize both approaches. The analyses involve comparing expected returns, standard deviations, and Sharpe Ratios and evaluating the effective results by defining the efficient frontier of optimal portfolios. The empirical analysis clearly highlights the strategic importance of Markowitz's Portfolio Theory in enhancing financial risk management in this research.
ISSN: 2253-0088

عناصر مشابهة


© 2025 المنظومة. جميع الحقوق محفوظة.