مدیریت پویای پرتفوی رمز ارزها با استفاده از یادگیری تقویتی عمیق و چارچوب عامل تطبیقی حساسبهریسک | ||
| چشم انداز مدیریت مالی | ||
| دوره 16، شماره 1 - شماره پیاپی 53، 1405، صفحه 101-131 اصل مقاله (1.34 M) | ||
| نوع مقاله: علمی - پژوهشی | ||
| شناسه دیجیتال (DOI): 10.48308/jfmp.2026.243005.1564 | ||
| نویسندگان | ||
| سعید ایزی1؛ عبدالرسول مستاجران* 2 | ||
| 1دانشکده حسابداری و مالی | ||
| 2عضو هیات علمی دانشکده علوم مالی، دانشگاه خوارزمی، تهران، ایران | ||
| چکیده | ||
| هدف : ارائه و ارزیابی چارچوبی پویا برای بهینه سازی پرتفوی در بازار رمزارزها که توازن میان بازده و کنترل ریسک را در شرایط نوسانی زیاد تضمین کند. در این پژوهش هدف اصلی توسعه عامل تطبیقی حساس به ریسک است که با ترکیب چند عامل پایه یادگیری تقویتی عمیق و مکانیزم جابجایی پویا، تخصیص وزن داراییها را بهصورت زمان مند تنظیم کرده و رفتار محافظه کارانه در دورههای پرنوسان و رفتار تهاجمی در دورههای رونددار را برقرار میسازد. دامنه تجربی شامل پنج رمزارز منتخب شامل بیتکوین، اتریوم، سولانا، ریپل و تتر است تا کارایی چارچوب در محیطهای واقعی بازار ارزیابی شود. روش : دادههای روزانه پنج ساله از پایگاه یاهو فایننس گردآوری و پس از پاکسازی با تقسیم ۷۰٪ برای آموزش و ۳۰٪ برای آزمون آماده شدند. نمایه حالت شامل قیمت ها، حجم و شاخصهای تکنیکال رایج بود و نمایش حالت با استفاده از معماری ترنسفورمر برای استخراج وابستگی های بلندمدت زمانی صورت گرفت. دو دسته روش مورد بررسی قرار گرفت: 1- عوامل منفرد یادگیری تقویتی عمیق شامل PPO، A2C و DQN که هر یک مستقل پرتفوی را مدیریت میکنند و 2- چارچوب تطبیقی حساسبهریسک که با پایش معیارهای کوتاهمدت مانند سود و زیان تجمعی پنجرهای و نوسان متحرک پنج روزه، بین عوامل سوئیچ می کند. تابع پاداش از مؤلفه های حساس به ریسک شامل تابع مطلوبیت لگاریتمی بازده، جریمه برای نوسان و نسبت کالمار تشکیل شد و معیارهای ارزیابی شامل بازده تجمعی، بازده سالیانه، نسبت شارپ، نسبت سورتینو، نسبت کالمار و حداکثر افت سرمایه بودند. یافتهها : در مجموعه دادههای آزمایشی، چارچوب تطبیقی حساس به ریسک عملکرد برتری نسبت به هر یک از عوامل منفرد نشان داد. در دورههای بدون روند بازار، مدل پیشنهادی ارزش نهایی پرتفو و نسبتهای تعدیل شده بر ریسک بالاتری نسبت به سایر روش ها ثبت کرد. برای مثال نسبت شارپ ≈ 1.13، نسبت سورتینو ≈ 1.81 است و در دورههای صعودی بازار به طور چشمگیری نسبت شارپ ≈ 1.73، نسبت کالمار ≈ 3.34 و بازده سالیانه بالاتری ارائه داد؛ بهطوری که ارزش نهایی پرتفو در دوره صعودی تقریباً دو برابر بهترین عامل مستقل شد. نتایج کمی نشان دادند که جابجایی پویا بین عوامل تهاجمی، متعادل و محافظهکار موجب افزایش بهرهبرداری از روندهای مثبت و کاهش زیان در دورههای پرنوسان گردید، هرچند افت حداکثر در برخی سناریوها افزایشی مقطعی نشان داد که با مکانیسم بازگشتی به رفتار محافظهکار جبران شد. نتیجهگیری : ترکیب معماری ترنسفورمر برای استخراج ویژگیهای زمانی با چارچوب عامل تطبیقی حساس به ریسک، راهکار مؤثری برای مدیریت پویای پرتفوی در بازار رمزارزها ارائه میدهد؛ بهویژه زمانی که هدف، افزایش بازده و کنترل ریسک نزولی به طور همزمان است . یافته ها نشان میدهد استفاده از مکانیسم سوئیچ پویا میان چند عامل یادگیری تقویتی عمیق میتواند کارایی و پایداری پرتفو را در مواجهه با تغییر رژیمهای بازار به طور معناداری بهبود بخشد. همچنین، نتایج آزمون رتبه علامت ویلکاکسون بر پایه ده اجرای مستقل نشان داد که برتری مدل پیشنهادی نسبت به مدلهای PPO، A2C و DQN در تمامی شاخصهای اصلی عملکرد از نظر آماری معنادار است (01/0>P). این یافته بیانگر پایداری، استحکام و قابلیت تکرارپذیری نتایج مدل پیشنهادی بوده و نشان میدهد که عملکرد برتر آن صرفاً ناشی از نوسانات تصادفی فرآیند آموزش نیست. | ||
| کلیدواژهها | ||
| مدیریت پرتفو تطبیقی؛ یادگیری تقویتی عمیق؛ عامل تطبیقی حساسبهریسک؛ مدیریت ریسک؛ بازار پرنوسان رمزارز | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 2,334 تعداد دریافت فایل اصل مقاله: 1,080 |
||