fa سبد سهام برابری ریسک مبتنی بر شبکه‌های حافظه بلند مدت و کوتاه مدت با رهیافت تجزیه چولسکی مؤسسات و خدمات مالی (G2) Financial Institutions and Services (G2) مقاله نظری Theoretical Article سبد برابری ریسک با توزیع متوازن ریسک میان تمامی دارایی ها موجود در سبد، تلاش می کند تا از تمرکز ریسک بر روی یک دارایی یا گروه هاص جلوگیری کرده و به پایداری و مقاومت سبد سرمایه گذاری در برابر شوک های بازار کمک کند . با این حال ، پیاده سازی موثر استراتژی برابری ریسک ، مستلزم درک و مدیریت پویای کواریانس دارایی هاست ، چرا که روابط و همبستگی میان دارایی ها درطول زمان تغییر می کند . پژوهش حاضر از شبکه های حافظه بلندمدت و کوتاه مدت (LSTM) برای پیش بینی پویای ماتریس کواریانس استفاده می کند و نوآوری آن درزمینه رفع مشکل عدم مثبت معین بودن ماتریس کواریانس پیش بینی شده ، استفاده از رویکردچولسکی می باشد . در این پژوهش ، رویکرد برابری ریسک برای بهینه سازی سبد سهام متشکل از 10 شاخص عمده بورس تهران در بازه زمانی 1390 تا خرداد 1404 ، با مقایسه سه مدل شبکه حافظه بلند مدت و کوتاه مدت با رهیافت تجزیه چولسکی ، پنهان مارکوف و دی سی سی گارچ مورذ ارزیابی قرار گرفت .نتایج مدل نشان دادمدل LSTM در معیارهای میانگین بازده هفتگی&nbsp; ، نسبن شارپ ، بازده تجمعی و حداکثر افت سرمایه نسبت به دو مدل دیگر برتری دارد. این برتری ، ناشی از توانایی LSTM در مدل سازی الگوهای پیچیده و پویای بازار سرمایه ایران است .<br> &nbsp; Abstract:<br> Risk parity portfolio , with balanced risk distribution among all assets in the portfolio ,strives to prevent risk concentration on a specific asset or group ,contributing to the stability andresilience of the investmemt portfolio against market shocks . However the effective implementation of risk parity strategy requires the dynamic understanding and manageement of the asset covariance matrix , as relationships and correlations among assets change over time . The present research utilizes Short - Term (LSTM) networks for the dynamic prediction covariance matrix with itc innovation lying in addressing the issue of the predicted covariance matrix not being positive definite by employing the Cholesky decomposition approach. In this study , the risk parity approach was used to optimize a portfplio consisthng of 10 major Tehran Stock Exchange indices over the period 1390 to 1404 , comparing three models : LSTMnetworks with Cholesky decomposition , Hidden Markov and DCC -GARCH. The results showed that the LSTM model has advantages over the other two models in terms of weekly average return , Shape ratio , cumulative return , and maximum drawdown . This superiority stems from LSTMs abilityto model the complex and dynamic patterns of the Iranian capital market . کلمات کلیدی:سبد برابری ریسک,شبکه حافظه بلندمدت و کوتاه مدت؛ تجزیه چولسکی, مدل پنهان مارکوف, مدل دی سی سی گارچ 609 644 http://jmbr.mbri.ac.ir/browse.php?a_code=A-10-3010-2&slc_lang=fa&sid=1 amir Mohamzadeh امیر محمدزاده amn-1378@yahoo.com No seifollah khishtandar سهیلا خویشتن دار skhishtandar@yahoo.com No seifollah Heidari سیف اله حیدری Mail-se.heidari@bsi.ir Yes