بناء المحافظ الاستثمارية باستخدام لغة البرمجة Python: مقارنة تجريبية بين خوارزميات التعلم الآلي والطريقة التقليدية لماركويتز في سوق العراق للاوراق المالية
DOI:
https://doi.org/10.56967/ejfb2026614الكلمات المفتاحية:
نموذج ماركويتز ، آلة ناقلات الدعم ، الانحدار اللوجستي، تحليل المكونات الرئيسية للغابات العشوائية، التعلم الآليالملخص
تهدف هذه الدراسة إلى مقارنة وتحسين طرق بناء المحافظ الاستثمارية لعينة من المصارف العراقية المدرجة في سوق العراق للأوراق المالية، من خلال مقارنة الطرق التقليدية مثل نموذج ماركويتز مع تقنيات حديثة تعتمد على التعلم الآلي. يُعد نموذج ماركويتز أساسياً لتحقيق التوازن بين العائد والمخاطرة عبر إطار تحسين متوسط-التباين، وهو نموذج تقليدي تعتمد عليه كثير من المؤسسات المالية. حيث ركزت الدراسة على استكشاف مدى قدرة تقنيات التعلم الآلي مثل التحليل بالمكونات الرئيسية (PCA)، آلة المتجهات الداعمة (SVM)، الانحدار اللوجستي، والغابة العشوائية على تحسين أداء المحافظ الاستثمارية الخاصة بهذه المصارف في بيئة متقلبة كبيئة سوق العراق للاوراق المالية . تعتمد هذه التقنيات على معالجة وتحليل بيانات مالية ضخمة لاكتشاف أنماط وعلاقات مخفية تساعد على زيادة العوائد وتقليل المخاطر بشكل أكثر فعالية مقارنة بالطرق التقليدية. وتم استخدام البيانات المالية التاريخية المتعلقة بأسهم وأصول المصارف عينة البحث في سوق العراق للأوراق المالية لتقييم أداء المحافظ وفق مؤشرات مثل العائد المتوقع، التباين، ونسبة شارپ. وتهدف الدراسة إلى تقديم حلول مبتكرة تساعد المصارف على اتخاذ قرارات استثمارية أكثر ذكاءً وفاعلية، بما يتناسب مع ظروف السوق المحلية والتحديات الاقتصادية والسياسية التي تواجهها.
التنزيلات
التنزيلات
منشور
كيفية الاقتباس
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2026 علي عبدالحافظ ابراهيم، فريال مشرف عيدان، مريم حسين محسن
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
هذه هي مقالة منشورة بنمط الوصول الحر وموزعة تحت شروط ترخيص المشاع الابداعي نسب المصنف (CC BY) 4.0 دولي التي تسمح بالاستخدام غير المقيد، التوزيع، واعادة الانتاج في أي وسيط أو صيغة، والتحوير أو البناء على المادة، بما في ذلك للأغراض التجارية، شريطة أن يتم نسب العمل للمؤلف الأصلي.
