تزداد إدارة المحافظ الاستثمارية تعقيدًا في ظل ظروف السوق المتقلبة وإشارات الأسعار المشوشة والحاجة إلى اتخاذ قرار منسق، وما زالت المقاربات الشاملة في هذا المجال غير مستكشفة بدرجة كافية، لأسباب ترجع أساسًا إلى صعوبات دمج الأساليب القائمة على المعلومات في الانتقاء المسبق للأوراق المالية وأمثلتها، وتصميم استراتيجيات فعالة لإعادة التوازن، ومراعاة تفضيلات المستثمرين، وفي هذا السياق تقدم الدراسة نموذجًا مركبًا يجمع بين خوارزمية أمثلة متعددة الأهداف وتقنية تعلم آلي ونموذج موسع للمتوسط والتباين، بهدف بناء محافظ مرتفعة العائد منخفضة المخاطر تستجيب لتفضيلات المستثمر وتدعم قراره على نحو متدرج
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى بناء نموذج متكامل لاتخاذ قرار الاستثمار الآلي يقوم على خوارزمية التحقيق الجنائي متعددة الأهداف وتقنية إكس جي بوست للتعلم الآلي، لبناء محافظ عالية العائد منخفضة المخاطر وفق تفضيلات المستثمر، ويعمل النموذج عبر مرحلتين، أولاهما الانتقاء المسبق للأسهم حيث يتنبأ نموذج يجمع خوارزمية التحقيق الجنائي وتقنية إكس جي بوست بربحية الشركات فيختار المرشحات ذات العوائد المتوقعة الأعلى، وثانيتهما تخصيص المحفظة حيث تدخل الأصول المنتقاة إلى نموذج موسع للمتوسط والتباين مدمج بخوارزمية التحقيق الجنائي متعددة الأهداف لتحديد توزيع رأس المال، مستعينًا بخوارزمية مطورة خصيصًا لتحليل مشكلة المتوسط والتباين الموسع وأمثلتها مع الموازنة بين أهداف متعددة، ثم تختار تقنية توبسيس لترتيب الأفضلية بحسب التشابه مع الحل المثالي المحفظة المثلى من بين الحلول المتكافئة، وقد استخدمت بيانات بورصة تايوان وبورصة تايبيه ونظام مركز مراقبة السوق في تدريب النموذج واختباره
ثانيًا: أبرز النتائج
أثبت اختبار الأداء التاريخي للنموذج، الذي طبق باستخدام استراتيجيات إعادة توازن ربع سنوية، كفاءة النموذج المقترح في إدارة المحافظ، إذ تفوق على النماذج المرجعية الأربعة التي قورن بها في العوائد السنوية ونسب شارب، وهو ما يشير إلى جودة استثمار أعلى تحققها المحافظ التي يبنيها، فقد نجح النموذج في الموازنة بين هدفي تعظيم العائد وتقليل المخاطر عبر مرحلتيه المتتابعتين، بدءًا من انتقاء الأسهم ذات الربحية المتوقعة الأعلى، وانتهاء بتوزيع رأس المال توزيعًا مثاليًا يراعي تفضيلات المستثمر، وبذلك قدم إطارًا متكاملًا يعالج الانتقاء والأمثلة وإعادة التوازن ضمن منظومة قرار واحدة داعمة لاتخاذ قرار الاستثمار خطوة بخطوة
ويعزى هذا التفوق إلى تكامل مرحلتي النموذج، فالانتقاء المسبق القائم على التنبؤ بربحية الشركات يضيق نطاق الأصول المرشحة منذ البداية إلى تلك ذات العوائد المتوقعة الأعلى، ثم يتولى نموذج المتوسط والتباين الموسع المدمج بخوارزمية الأمثلة متعددة الأهداف توزيع رأس المال على الأصول المنتقاة بتوازن محسوب بين العائد والمخاطرة، فيما تحسم تقنية توبسيس الاختيار بين الحلول المتكافئة باختيار الأقرب إلى الحل المثالي، وتؤكد إعادة التوازن الربع سنوية المطبقة في الاختبار التاريخي أن أداء النموذج مستدام عبر فترات متتابعة لا لحظة واحدة
ثالثًا: دلالات الدراسة وتطبيقاتها
تنطوي الدراسة على دلالات عملية لمديري المحافظ والمستثمرين، إذ تقدم إطارًا قراريًا متدرجًا يمكن توظيفه في بيئات الأسواق المتقلبة التي تتشوش فيها إشارات الأسعار، بحيث يبدأ بدعم قرار الانتقاء المسبق للأسهم استنادًا إلى التنبؤ بالربحية، ثم يدعم قرار التخصيص الأمثل لرأس المال بموازنة متعددة الأهداف، ثم يدعم قرار إعادة التوازن الدورية، كما تبرز الدراسة قيمة دمج خوارزميات الأمثلة متعددة الأهداف مع تقنيات التعلم الآلي ونماذج المتوسط والتباين الموسعة في منظومة واحدة، ومراعاة تفضيلات المستثمر بوصفها مدخلًا أساسيًا في بناء المحفظة لا عنصرًا لاحقًا عليها
كما يقدم النموذج للمؤسسات المالية إطارًا قابلًا للتطبيق في بناء محافظ موجهة بتفضيلات المستثمرين المختلفة، إذ يمكن ضبط أهداف الأمثلة وفق درجة تحمل كل مستثمر للمخاطرة ورغبته في العائد، وتوفر مرحلية النموذج شفافية في تتبع القرار، فكل خطوة من الانتقاء إلى التخصيص إلى اختيار المحفظة النهائية قابلة للفحص والتبرير أمام المستثمر، وهو ما يعزز الثقة باستخدام أنظمة دعم القرار الآلي في البيئات الاستثمارية المتقلبة
وقد طبق الاختبار التاريخي على بيانات سوقية فعلية من بيئة بورصة تايوان وبورصة تايبيه، ما يمنح نتائجه وزنًا تطبيقيًا يتجاوز المحاكاة النظرية المجردة إلى ظروف السوق الحقيقية بتقلباتها وإشاراتها المشوشة
وخلاصة القول إن الدراسة تقدم نموذجًا مركبًا لاتخاذ قرار الاستثمار الآلي أثبت تفوقه على النماذج المرجعية في العوائد السنوية ونسب شارب عند اختباره تاريخيًا بإعادة توازن ربع سنوية، وأن هذا التفوق يجعل منه إطارًا واعدًا لبناء محافظ مرتفعة العائد منخفضة المخاطر تراعي تفضيلات المستثمرين في ظل ظروف الأسواق المتقلبة
