این پژوهش به بررسی کارایی مدل ماشین بردار پشتیبان در بهینهسازی سبد سهام در بورس اوراق بهادار تهران میپردازد. مدل ماشین بردار پشتیبان برای تشکیل یک سبد بر اساس دادههای فرکانس باال و عملکرد تعدیل شده با ریسک آن با بازده یک سبد آماری پیشبینیشده توسط سرمایه مقایسه اقدام به انتخاب سبد سهام می کند. این الگو با رویکردیادگیری با نظارت در حل مسائل رده بندی و رگرسیون مورد استفاده قرار می گیرد. این پژوهش از جنس پژوهش های کاربردی است که بر اساس داده های تاریخی اقدام به تحلیل و مدلسازی و نتیجه گیری از شواهد تجربی می کند. جامعه آماری اطالعات مالی و معامالتی شرکت های بورس اوراق بهادار تهران می باشد. نمونه آماری با کمک ماشین بردار پشتتیبان شامل سبد انتخابی با حجم ۱۰۰ شرکت از بین ۳۸۷ شرکت فعال در تاالر بورس بین دوره زمانی ۱۴۰۰ تا ۱۴۰۱ می باشد. که داده ها بر حسب آماده سازی شامل دوره های روزانه، ماهانه و ساالنه است. مدل SVM به عنوان یک ابزار کارآمد در پیشبینی بازدهی و مدیریت ریسک سبد سهام، میتواند جایگزین مناسبی برای مدلهای سنتی مانند CAPM باشد. این مدل قابلیت تفسیر بهتر نتایج و دقت باالتری در پیشبینی بازدهی سهام دارد. نتایج نشان داد سبد تشکیلشده با SVM با میانگین بازدهی ۳/۳ درصد و انحراف معیار ۲/۱ درصد، عملکرد بهمراتب بهتری نسبت به سبد مبتنی بر مدل سنتی CAPM با میانگین بازدهی ۱ -درصد و انحراف معیار ۵/۵ درصد دارد. نسبت شارپ در مدل SVM بهطور معناداری باالتر بود که نشاندهنده کارایی باالتر این مدل در مدیریت سبد سهام است.
