۲-۲-۱۰- انواع صندوق‌های سرمایه‌گذاری مشترک بر اساس نوع سرمایه‌گذاری ۲۳
۲-۲-۱۱- طبقه‌بندی صندوق‌های سرمایه‌گذاری مشترک سهامی ۲۴
۲-۲-۱۲- طبقه‌بندی صندوق‌های سرمایه‌گذاری مشترک اوراق قرضه ۲۷
۲-۲-۱۲-۱- طبقه‌بندی صندوق‌های مشترک اوراق قرضه بر اساس منتشرکنندگان ۲۷
۲-۲-۱۲-۲- طبقه‌بندی صندوق‌های مشترک اوراق قرضه از لحاظ سررسید‌ها ۲۹
۲-۲-۱۳- صندوق‌های سرمایه‌گذاری مشترک بازار پول ۳۰
۲-۲-۱۳-۱- طبقه‌بندی صندوق‌های مشترک بازار پول ۳۰
۲-۲-۱۳-۲- مدیریت صندوق‌های مشترک بازار پول ۳۱
۲-۲-۱۴- سایر انواع صندوق‌های سرمایه‌گذاری مشترک ۳۲
۲-۲-۱۵- اهداف و راهبرد‌های صندوق‌های سرمایه‌گذاری مشترک ۳۳
۲-۲-۱۶- واحدهای سرمایه‌گذاری در ایران ۳۴
۲-۲-۱۶-۱- سرمایه‌گذاری مؤسسان و پذیره‌نویسی اولیه ۳۴
۲-۲-۱۶-۲- ارزش خالص دارایی­ ها، قیمت صدور و ابطال واحد سرمایه‌گذاری ۳۴
۲-۲-۱۷- ساختار کلی صندوق‌های مشترک مبتنی بر قانون اوراق بهادار ایران ۳۶
۲-۲-۱۸-  هزینه‌های سرمایه‌گذاری در صندوق مشترک ۳۹
۲-۲-۱۹- نحوه‌ی تعیین بازده سالیانه‌ی دوره‌های کمتر از یک سال ۴۴
۲-۲-۲۰- ریسک سرمایه‌گذاری در صندوق مشترک ۴۴
۲-۲-۲۱- انواع اوراق بهاداری که صندوق‌ها می‌توانند در آن سرمایه‌گذاری نمایند ۴۶
۲-۲-۲۲- اطلاع‌رسانی ۴۶
۲-۲-۲۳- مرجع رسیدگی به تخلفات و اختلافات ۴۶
۲-۲-۲۴- پایان دوره یا تمدید دوره‌ی فعالیت صندوق سرمایه‌گذاری مشترک ۴۷
۲-۲-۲۵- مروری بر صندوق‌های سرمایه‌گذاری مشترک فعال ایران ۴۷
۲-۲-۲۶- ارزیابی عملکرد صندوق‌های  سرمایه‌گذاری مشترک ۴۸
۲-۲-۲۷- عوامل مؤثر بر بازده صندوق‌های سرمایه‌گذاری مشترک ۴۹
۲-۳- مروری بر پیشینه پژوهش ۵۲
۲-۳-۱- پژوهش‌های خارجی ۵۲
۲-۳-۲- پژوهش‌های داخلی ۵۸
فصل سوم: روش‌شناسی پژوهش ۶۷
۳-۱- مقدمه ۶۸
۳-۲- روش پژوهش ۶۸
۳-۳- طرح مسئله پژوهش ۶۸
۳-۴- فرضیات پژوهش ۷۰
۳-۵- روش‌های گردآوری اطلاعات ۷۰
۳-۶- ابزار جمع‌ آوری داده‌ها ۷۱
۳-۷- قلمرو پژوهش ۷۱
۳-۷-۱- قلمرو موضوعی پژوهش ۷۱
۳-۷-۲- قلمرو زمانی پژوهش ۷۲
۳-۷-۳- قلمرو مکانی پژوهش ۷۲
۳-۸- جامعه آماری ۷۲
۳-۹- متغیرهای مورد استفاده در پژوهش ۷۲
۳-۹-۱- متغیر وابسته (ملاک یا هدف) ۷۳
۳-۹-۲- متغیرهای مستقل (پیش بین) ۷۳
۳-۱۰- مدل مورد مطالعه ۷۶
۳-۱۱- روش‌ مدل‌سازی خطی ۷۸
۳-۱۱-۱- آزمون‌های پیش‌فرض مدل‌سازی ۷۸
۳-۱۱-۲- تجزیه و تحلیل رگرسیون ۷۸
۳-۱۱-۳- تحلیل پانلی ۷۹
۳-۱۲- هوش مصنوعی ۸۰
۳-۱۲-۱- شبکه‌های عصبی مصنوعی و پیدایش آن ۸۱
۳-۱۲-۲- مزایای شبکه‌های عصبی مصنوعی ۸۲
۳-۱۲-۳- ساختار شبکه عصبی مصنوعی و طراحی آن ۸۴
۳-۱۳- روش‌ بهینه‌سازی خطی ۸۷
۳-۱۳-۱- مدل مارکویتز ۸۷
۳-۱۳-۲- ورودی‌های مورد نیاز ۸۸
۳-۱۳-۳- تعیین پرتفوی کارا ۹۰
۳-۱۳-۴- انتخاب یک پرتفوی بهینه ۹۱
۳-۱۴- روش بهینه‌سازی غیرخطی ۹۲
۳-۱۴-۱- الگوریتم ژنتیک و پیدایش آن ۹۲
۳-۱۴-۲- قانون انتخاب طبیعی ۹۲
۳-۱۴-۳- مزایای الگوریتم ژنتیک ۹۴
۳-۱۴-۴- محدودیت‌های الگوریتم ژنتیک ۹۵
۳-۱۴-۵- اصطلاحات الگوریتم ژنتیک ۹۶
۳-۱۴-۶- فرایند الگوریتم ژنتیک ۹۷
۳-۱۴-۷- همگرایی و توقف در الگوریتم ژنتیک ۱۰۰
۳-۱۵- نحوه‌ی آزمون فرضیات ۱۰۰
۳-۱۵-۱- آزمون فرضیه‌ی اول ۱۰۰
۳-۱۵-۲- آزمون فرضیه‌ی دوم ۱۰۱
۳-۱۵-۳- آزمون فرضیه‌ی سوم ۱۰۱
فصل چهارم: تجزیه و تحلیل اطلاعات ۱۰۲
۴-۱- مقدمه ۱۰۳
۴-۲- پیش ­بینی بازده صندوق­ها با بهره گرفتن از رویکرد خطی ۱۰۳
۴-۲-۱- آزمون‌های مدل خطی ۱۰۴
۴-۲-۲- استخراج مدل خطی ۱۰۵
۴-۳- پیش ­بینی بازده صندوق­ها با بهره گرفتن از رویکرد شبکه ­های عصبی مصنوعی ۱۰۸
۴-۳-۱- پیش­پردازش داده­ ها ۱۰۸
۴-۳-۲- طراحی شبکه‌ی عصبی ۱۰۹
۴-۴- نتایج آزمون فرضیه اول ۱۱۱
۴-۵- نتایج آزمون فرضیه دوم ۱۱۲
۴-۵-۱- مقایسه نتایج شبکه عصبی با داده‌های واقعی ۱۱۲
۴-۵-۲- آزمون زوجی ۱۱۳
۴-۶- نتایج آزمون فرضیه سوم ۱۱۴
۴-۶-۱- سبدهای بهینه خطی و غیرخطی ۱۱۵
۴-۶-۲- آزمون زوجی ۱۱۷
۴-۶-۳- بررسی تأثیر اندازه سبد سرمایه ­گذاری ۱۱۹
فصل پنجم: خلاصه، نتیجه‌گیری و پیشنهادها ۱۲۱
۵-۱- مقدمه ۱۲۲
۵-۲- خلاصه نتایج آزمون فرضیه پژوهش ۱۲۲
۵-۲-۱- نتایج آزمون فرضیه اول ۱۲۲
۵-۲-۲- نتایج آزمون فرضیه دوم ۱۲۴
۵-۲-۳- نتایج آزمون فرضیه سوم ۱۲۴
۵-۳- محدودیت‌های پژوهش ۱۲۶
۵-۴- پیشنهاد‌های پژوهش ۱۲۷
۵-۴-۱- پیشنهاد‌هایی به استفاده‌ کنندگان از نتایج پژوهش ۱۲۷
۵-۴-۲- پیشنهاد‌هایی برای پژوهش‌های آتی ۱۲۷
منابع و مآخذ ۱۲۸
منابع فارسی ۱۲۸
منابع لاتین ۱۳۱
پیوست­ها ۱

فهرست جدول­ها
جدول شماره (۱-۱): تعریف عملیاتی متغیرها ۷
جدول شماره (۱-۲): متغیرهای پژوهش ۸
جدول شماره (۲-۱): نحوه ارتباط صندوق‌های مشترک با سایر نهادهای مالی ۱۸
جدول شماره (۲-۲): نمونه هزینه‌هایی که از محل دارایی‌های صندوق پرداخت می‌شوند ۴۰
جدول شماره (۲-۳): هزینه‌هایی که باید توسط سرمایه‌گذ‌ار پرداخت شود ۴۱
جدول شماره (۳-۱): جامعه آماری پژوهش ۷۲
جدول شماره (۴-۱): متغیرهای پژوهش ۱۰۴
جدول شماره (۴-۲): آزمون عامل افزایش واریانس ۱۰۵
جدول شماره (۴-۳): نتایج آزمون لیمر (چاو) ۱۰۶
جدول شماره (۴-۴): نتایج آزمون هاسمن ۱۰۷
جدول شماره (۴-۵): مدل رگرسیون با داده‌های ترکیبی ۱۰۷
جدول شماره (۴-۶): نتایج مدل‌سازی غیرخطی به روش شبکه‌ی عصبی مصنوعی ۱۱۱
جدول شماره (۴-۷): مقایسه پیش‌بینی‌های انجام‌شده به روش خطی و غیرخطی ۱۱۱
جدول شماره (۴-۸): نتایج بهترین مدل شبکه‌ی عصبی مصنوعی ۱۱۳
جدول شماره (۴-۹): مقایسه زوجی همبستگی (بازده پیش‌بینی‌شده – بازده واقعی) ۱۱۳
جدول شماره (۴-۱۰): آزمون زوجی (بازده پیش‌بینی‌شده – بازده واقعی) ۱۱۴
جدول شماره (۴-۱۱): مقایسه معیار ارزیابی عملکرد (معیار شارپ) ۱۱۷
جدول شماره (۴-۱۲): آزمون زوجی (سبدهای خطی- سبدهای غیرخطی) ۱۱۸
جدول شماره (۴-۱۳): آزمون زوجی (سبدهای خطی کوچک- سبدهای غیرخطی کوچک) ۱۱۹
جدول شماره (۴-۱۴): آزمون زوجی (سبدهای خطی متوسط- سبدهای غیرخطی متوسط) ۱۱۹
جدول شماره (۴-۱۵): آزمون زوجی (سبدهای خطی بزرگ- سبدهای غیرخطی بزرگ) ۱۲۰

 
فهرست شکل‌ها
شکل شماره(۳-۱): تقسیم‌بندی هوش مصنوعی ۸۱
شکل شماره(۳-۲): مرز کارا ۹۱
شکل شماره(۳-۳): بهینه کلی و محلی ۹۴
شکل شماره(۳-۴): مراحل اجرای الگوریتم ژنتیک ۹۹

لیست علائم اختصاری:
 

نمادهای مورد استفاده در پژوهش
نماد	نام	ردیف
MFR	بازده صندوق سرمایه‌گذاری مشترک	۱
SHR	نسبت شارپ- دوره قبل	۲
TR	بازدهی به نوسان پذیری بازده- دوره قبل	۳
J	معیار بازدهی تفاضلی جنسن- دوره قبل	۴
P	نسبت دوره‌ی برتر- دوره قبل	۵
SMF	اندازه‌ی صندوق سرمایه‌گذاری مشترک	۶
VG	رشد ارزش	۷
CA	درصد دارایی‌های نقدی	۸
FME	خبرگی مدیریت صندوق سرمایه‌گذاری مشترک	۹
PI	درصد تملک سرمایه‌گذاری حقیقی	۱۰
MFA	عمر صندوق سرمایه‌گذاری مشترک	۱۱
MR	بازده بازار	۱۲
SR	ریسک سیستماتیک	۱۳
AMR	میانگین بازده ماهانه صندوق سرمایه‌گذاری مشترک	۱۴
ANN	شبکه‌های عصبی مصنوعی	۱۵
GA	الگوریتم ژنتیک	۱۶
FOF	صندوق چند صندوقی	۱۷

 
 
 
 
 
 
 
پیشگفتار
صندوق‌های سرمایه‌گذاری مشترک یکی از نهاد­های نوین بازار سرمایه می­باشند که با فروش سهام خود به عامه مردم وجوهی را تحصیل و سپس با ایجاد تنوع در دارایی‌های خود سعی در قابل‌قبول سازی ریسک سرمایه‌گذاری، به وسیله‌ی کاهش و یا حذف ریسک سیستماتیک، دارند. از سوی دیگر هدف اصلی سرمایه ­گذاران کسب بازدهی بیشتر در سطح ریسک قابل‌قبول است. بر اساس نظریه پرتفوی، متنوع سازی سرمایه ­گذاری­ها می‌تواند منجر به کاهش نوسان­ها در عین حفظ متوسط بازده گردد. این پژوهش به دنبال بررسی مقایسه­ای توان پیش‌بینی مدل رگرسیون با بهره گرفتن از داده‌های ترکیبی به عنوان مدلی خطی و روش شبکه‌های عصبی مصنوعی به عنوان روشی غیرخطی و سپس امکان بهینه‌سازی پرتفوی متشکل از سهام صندوق‌های سرمایه‌گذاری مشترک با بهره گرفتن از الگوریتم ژنتیک و در نهایت مقایسه آن با مدل مارکویتز می‌باشد. همچنین جهت مقایسه پرتفوی­ها، تأثیر اندازه سبد سرمایه ­گذاری نیز مورد بررسی قرار گرفته است. برای این منظور ابتدا عوامل مؤثر بر بازده صندوق‌های سرمایه‌گذاری مشترک در قالب ۱۳ متغیر شناسایی شدند.
در فصل اول به ارائه کلیات پرداخته می­ شود و بیان مسئله، هدف، اهمیت و ضرورت انجام پژوهش، قلمرو پژوهش، فرضیات و تعریف عملیاتی متغیرها مورد بررسی قرار می‌گیرد. در فصل دوم مفاهیم نظری پژوهش و پیشینه پژوهش تشریح و تبیین می­ شود. در فصل سوم روش انجام پژوهش و جامعه آماری تشریح شده و در ادامه روش گردآوری اطلاعات، تحلیل داده‌ها و آزمون فرضیات تبیین می­ شود. فصل چهارم به تحلیل نتایج اختصاص یافته است. چگونگی طبقه‌بندی اطلاعات و تحلیل آن‌ ها از طریق به­ کارگیری روش‌ها و مدل­های آماری و در نهایت نتایج آزمون فرضیات تشریح می­ شود. در فصل پنجم خلاصه پژوهش، نتیجه ­گیری و بررسی تطبیقی یافته­ ها ارائه‌شده و در پایان، محدودیت­ها و پیشنهادهای پژوهش (مبتنی بر نتایج پژوهش و پیشنهاد در زمینه پژوهش‌های آتی) تشریح می­ شود.

 
 
 
 
 
 
 
 
فصل اول
کلیات پژوهش
 
 
 
 
 
 

۱-۱- مقدمه
رشد اقتصادی بدون توسعه مالی امکان­ پذیر نیست. توسعه مالی، ابزار، مؤسسات و بازارهای مالی را در بر می­گیرد. در این میان، مؤسسات مالی بخش اساسی بازار مالی را تشکیل می­ دهند. در واقع این مؤسسات زمینه­ساز رشد ابزار و بازار مالی هستند. بر پایه پژوهش‌های متعدد، مؤسسات و ابزارهای مالی، رابطه­ای مثبت با توسعه و رشد اقتصادی دارند و اغلب، رشد مالی را مقدمه­ای برای ایجاد جهش در فرایند توسعه اقتصادی می­دانند. از سوی دیگر با توسعه بازار سرمایه و حضور هر چه بیشتر مردم در این بازار نسبت به ایجاد نهادهای سرمایه‌گذاری مناسب و متنوع، از جمله انواع صندوق‌های سرمایه‌گذاری مشترک[۱]، برای تجهیز پس­اندازهای مردم و فراهم کردن امکان حضور غیرمستقیم آن­ها در بازار سرمایه، اقدام شده است.
در این فصل ابتدا به کلیاتی از مباحث مهم این پژوهش پرداخته می­ شود و سپس چرایی انجام این پژوهش، هدف، اهمیت و ضرورت انجام پژوهش، قلمرو پژوهش، سؤالات، فرضیات و تعریف عملیاتی متغیرها مورد بررسی قرار می‌گیرد.
۱-۲- تعریف و بیان مسئله پژوهش
بازار مالی، بازاری است که دارایی‌های مالی در آن خلق، مبادله و دادوستد می‌شوند. یکی از اصلی‌ترین کارکردهای بازار مالی، انتقال وجوه مازاد افراد علاقه­مند به سرمایه‌گذاری به افراد نیازمند به سرمایه است. بازار مالی به منظور تأمین نیازهای سرمایه ­گذاران در این بازار به ابزارهایی^[۲] نیاز دارد تا بتواند پاسخگوی نیازهای متنوع سرمایه ­گذاران باشد. فرهنگ اصطلاحات تخصصی مالی، ابزار مالی را به عنوان یک سند رسمی و قانونی مانند سهام و اوراق قرضه و یا سایر ابزارهای مالی تعریف می­ کند.
در نهایت سومین رکن، مؤسسات مالی است. مؤسسات مالی با اهداف ارائه خدمت به جامعه، تأمین رشد و سهم بازار و ایجاد حداکثر بازدهی به فعالیت می­پردازند. به عبارت دیگر مؤسسات مالی یک نقش مهم و اساسی در تبدیل امکانات اقتصادی از قبیل زمین، نیروی انسانی، مدیریت و غیره را به انواع مختلف دارایی‌های مالی عهده­دار هستند. ایفای این نقش افزون بر اینکه دارایی‌های موجود در اقتصاد را نقدشوندگی و جریان بیشتری می­بخشد، تحول و توسعه اقتصادی را نیز امکان­ پذیر می­سازد.
از دیدگاه کلی نوسانات بازده و قیمت سهام تحت تأثیر عوامل سیستماتیک و غیرسیستماتیک بسیاری است و حساسیت هر سهم به این عوامل متفاوت است؛ از این رو یکی از راهکارهای اصلی و مهم پیشنهادی مدیریت مالی تشکیل سبدی از سهام برای حذف نوسانات ناشی از عوامل غیرسیستماتیک است. این هدف در صندوق‌های سرمایه‌گذاری مشترک به شرط تنوع سازی مناسب میسر شده است؛ اما در مورد ریسک سیستماتیک کماکان این معضل وجود دارد. در ادبیات مالی مدرن روش‌های متعددی برای بهینه‌سازی پرتفوی ذکرشده است؛ اما با توجه به پیچیده شدن و سرعت عوامل تأثیرگذار، پیش‌بینی بازده و تشکیل پرتفوی­های بهینه با روش‌های سنتی کار دشواری است. با پیشرفت دانش محاسباتی و ظهور فناوری اطلاعات و روش‌های فرا ابتکاری امید به حل مسائل پیچیده شکل‌گرفته و طی چند دهه اخیر این روش‌ها در بازار سرمایه و در مسائل پیش‌بینی بازده و بهینه‌سازی پرتفوی استفاده می­ شود.
صندوق‌های سرمایه‌گذاری مشترک از جمله نهادهایی (مؤسساتی) هستند که طی چند سال اخیر در بازار سرمایه کشورمان معرفی‌شده‌اند و به این دلیل نوپا بودن آن­ها، پژوهش‌های نسبتاً اندکی روی آن‌ ها انجام‌شده است. یکی از مسائل بسیار مهم، پیش‌بینی رفتار بازده این صندوق‌ها و اتخاذ تصمیم­های سرمایه‌گذاری و تشکیل پرتفویی از این صندوق‌ها برای سرمایه‌گذاران است. مسئله این پژوهش بررسی و به­ کارگیری روش‌های هوش مصنوعی شامل شبکه‌های عصبی مصنوعی و الگوریتم ژنتیک در پیش‌بینی بازده صندوق‌های سرمایه‌گذاری مشترک بازار سرمایه و تشکیل پرتفوی بهینه از این صندوق‌ها می‌باشد.
۱-۳- اهمیت و ضرورت انجام پژوهش
مهم­ترین وظیفه بازار اوراق بهادار انتقال کارا و مؤثر سرمایه از پس‌انداز کنندگان به سوی بنگاه­­ها و اشخاص نیازمند سرمایه می­باشد. در حقیقت سلامت اقتصادی وابسته به انتقال کارا و مؤثر این وجوه از عرضه‌کنندگان (پس‌انداز کنندگان) به سوی متقاضیان وجوه سرمایه­ای (بنگاه­ها) می‌باشد. از طرف دیگر، در بازار سرمایه تشخیص مناسب‌ترین اوراق بهادار، مهم‌ترین مسئله مورد توجه سرمایه ­گذاران است تا با توجه به ریسک و بازده، حداکثر ثروت را کسب کنند.
این پژوهش در تلاش برای ایجاد پرتفوی بهینه از میان صندوق‌های سرمایه‌گذاری مشترک و با بهره گرفتن از الگوریتم­ ژنتیک است، البته برای انجام این کار ابتدا باید عملکرد صندوق‌ها را با بهره گرفتن از روش شبکه عصبی مصنوعی پیش‌بینی نمود. این گامی در راستای آگاه کردن سرمایه ­گذاران برای سرمایه‌گذاری مناسب­تر منابعشان است. ضمناً یک سیستم پیش‌بینی بازده مناسب و مطمئن شرکت‌ها و نهادهای مالی، سبب جلب اعتماد افراد، اعم از سهامداران خرد و کلان به بازار سرمایه و رونق هر چه بیشتر آن خواهد شد و می ­تواند دریچه­ای نو به سوی جلب سرمایه باشد. همچنین انتخاب سبدی بهینه از صندوق‌های سرمایه‌گذاری مشترک کمک زیادی در ایجاد صندوق‌های سرمایه ­گذاری مشترک چند صندوقی (صندوق صندوق)^[۳] می کند که این به نوبه‌ی خود منجر به توسعه ابزارهای مالی کشور خواهد شد و بدیهی است وجود تنوع در صندوق‌های سرمایه‌گذاری مشترک به عنوان یکی از اقسام نهادهای مالی، ازجمله عوامل مؤثر در ایجاد انگیزه برای مشارکت سرمایه‌گذاران در بازار سرمایه است.