en کشف ساختار بازار مالی از طریق فیلترسازی شبکه‌ای: رویکردهای درخت پوشای کمینه و گراف حداکثر فیلتر شده مسطح اقتصاد پولی Monetary Economics پژوهشی اصیل - كاربردی Original Research - Empirical <p dir="auto">سهام به‌عنوان ابزارهای بنیادین در بازارهای سرمایه، نقش مهمی ایفا می‌کنند و درک وابستگی‌های متقابل آن‌ها برای سرمایه‌گذاری مؤثر و مدیریت ریسک حیاتی است. این مطالعه با بهره‌گیری از یک چارچوب مبتنی بر شبکه، ساختار و پویایی‌های بازار سهام ایالات متحده را بررسی می‌کند و از روش‌های تحلیلی به‌جای رویکردهای صرفاً داده‌محور برای ساخت شبکه‌های همبستگی استفاده می‌کند. به‌طور خاص، تکنیک‌های درخت پوشای کمینه (MST) و گراف حداکثر فیلترشده&nbsp; مسطح (PMFG) برای مدل‌سازی روابط بین ۳۷۱ سهام تشکیل‌دهنده شاخص S&P ۵۰۰ به‌کار گرفته شده‌اند، با استفاده از داده‌های قیمت بسته شدن روزانه از ۱۱ ژانویه ۲۰۱۳ تا ۱۲ دسامبر ۲۰۲۲. یافته‌های تجربی کلیدی نشان می‌دهند که MST و PMFG به‌طور مؤثری سازمان‌بندی سلسله‌مراتبی بازارهای مالی را ثبت می‌کنند. این ساختارهای شبکه‌ای شناسایی خوشه‌های سهام و گره‌های مرکزی را تسهیل می‌کنند و بینش‌هایی در مورد ریسک سیستمیک و احتمال سرایت در دوره‌های آشوب مالی ارائه می‌دهند. علاوه بر این، توپولوژی شبکه شناسایی‌شده، با امکان انتخاب سهام از خوشه‌های مختلف یا بر اساس معیارهای مرکزیت، تنوع‌بخشی به پرتفوی را بهبود می‌بخشد. تحلیل زمانی تکامل شبکه نیز تغییر در شرایط بازار و چرخش‌های بخشی را آشکار می‌سازد. این مطالعه همچنین چارچوب بهینه‌سازی پرتفوی مارکویتز را با استفاده از نسبت شارپ به‌عنوان معیار عملکرد ادغام کرده است. پرتفوی بهینه‌شده حاصل، بازده سالانه مورد انتظار ۳۷.۶۱٪ با نوسان ۱۴.۱۵٪ را به‌دست می‌آورد که منجر به نسبت شارپ ۲.۶۵۸۱ و عملکرد ریسک‌تعدیل‌شده قوی می‌شود. در نتیجه، MST و PMFG ابزارهای ارزشمندی برای ثبت ساختار بازار، اطلاع‌رسانی در مورد ساخت پرتفوی و بهبود ارزیابی ریسک ارائه می‌دهند و بدین‌ترتیب به استراتژی‌های سرمایه‌گذاری مقاوم‌تر کمک می‌کنند.</p> Stocks are fundamental instruments in capital markets, and understanding their interdependencies is crucial for effective investment and risk management. This study adopts a network-based framework to examine the structure and dynamics of the U.S. stock market by constructing correlation networks through analytical methods rather than purely data-driven approaches. Specifically, the Minimum Spanning Tree (MST) and Planar Maximally Filtered Graph (PMFG) techniques are employed to model the relationships among 371 constituent stocks of the S&P 500 index, using daily closing prices from January 11, 2013, to December 12, 2022. The key empirical findings indicate that MST and PMFG effectively capture the hierarchical organization of financial markets. These network structures facilitate the identification of stock clusters and central nodes, providing insights into systemic risk and potential contagion during periods of financial turbulence. Furthermore, the identified network topology supports enhanced portfolio diversification by enabling the selection of stocks across different clusters or based on centrality metrics. Temporal analysis of the network evolution also reveals shifts in market conditions and sectoral rotations. Additionally, the study integrates Markowitz&rsquo;s portfolio optimization framework by applying the Sharpe ratio as the performance criterion. The resulting optimized portfolio achieves an expected annual return of 37.61%, with a volatility of 14.15%, yielding a Sharpe ratio of 2.6581 demonstrating robust risk-adjusted performance. In conclusion, MST and PMFG offer valuable tools for capturing market structure, informing portfolio construction, and enhancing risk assessment, thereby contributing to more resilient investment strategies.&nbsp; &nbsp; بهینه‌سازی پرتفوی, درخت پوشای کمینه, بازار سهام, گراف حداکثر فیلترشده مسطح, شبکه‌ها Portfolio Optimization, Minimum Spanning Tree, Stock market, Planar Maximally Filtered Graph, Networks 549 560 http://jme.mbri.ac.ir/browse.php?a_code=A-10-709-1&slc_lang=en&sid=1 Fatemeh Lakzaie فاطمه لکزائی fateme.lakzaii@semnan.ac.ir 10031947532846007299 10031947532846007299 No Department of Mathematics, Faculty of Science, Semnan University, Iran گروه آموزشی ریاضی، دانشکده ریاضی، آمار و علوم کامپیوتر، دانشگاه سمنان، ایران Alireza Bahiraie علیرضا بحیرائی alireza.bahiraie@semnan.ac.ir 10031947532846007300 10031947532846007300 Yes Department of Mathematics, Faculty of Science, Semnan University, Iran گروه آموزشی ریاضی، دانشکده ریاضی، آمار و علوم کامپیوتر، دانشگاه سمنان، ایران Ali Arshadi علی ارشدی Arshadi63@yahoo.com 10031947532846007301 10031947532846007301 No Faculty Member, Monetary and Banking Research Institute, CBI, Iran عضو هیئت علمی، مؤسسه پژوهش‌های پولی و بانکی، بانک مرکزی جمهوری اسلامی ایران، ایران