مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

818
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

692
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

توسعه الگوریتم های فراابتکاری شیرمورچه - ژنتیک و PBILDE جهت بهینه سازی سبد سهام در بورس اوراق بهادار تهران

صفحات

 صفحه شروع 381 | صفحه پایان 404

چکیده

 در مطالعات مالی, سبد سهام را می توان به معنی مجموعه ی سرمایه گذاری هایی دانست که توسط یک فرد و یا یک موسسه انتخاب و پذیرفته می شود. انتخاب سبد سهام یکی از اصلی ترین دغدغه های سرمایه گذاران در بازارهای مالی است. مدل میانگین - واریانس با مولفه های مقید به عنوان یکی از مدل های اصلی در حل مساله بهینه سازی سبد سرمایه شناخته می شود. این مدل از لحاظ پیچیدگی, از نوع مسائل غیرخطی چند جمله ایNP-hard  است که به صورت دقیق قابل حل نیستند. در این پژوهش با استفاده از الگوریتم ترکیبی شیرمورچه - ژنتیک (ALOGA) و الگوریتم ترکیبی یادگیری افزایشی مبتنی بر جمعیت و تکامل تفاضلی (PBILDE) که از مدل های فراابتکاری نوین در حل مسائل بهینه سازی هستند, برای بهینه سازی سبد سرمایه گذاری با هدف افزایش بازده و کاهش ریسک استفاده شده است. از میان 591 شرکت حاضر در بورس اوراق بهادار تهران, 150 شرکت در بازه زمانی فروردین 1391 الی اسفند 1393 با استفاده از روش غربالگری به عنوان نمونه نهایی انتخاب شدند. داده های مربوط به این شرکت ها توسط الگوریتم های بکار رفته در تحقیق مورد تجزیه و تحلیل قرار گرفت و کارآیی آنها با یکدیگر مقایسه گردید. نتایج پژوهش حاکی از آن است که الگوریتم های ALOGA و PBILDE کارایی مناسبی برای حل مساله ی بهینه سازی سبد سهام دارند. بعلاوه, با استفاده از الگوریتم ALOGA می توان با دقت و کارایی بالا سبد سهام بهینه تشکیل داد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    همایون فر، مهدی، دانشور، امیر، و رحمانی، جعفر. (1397). توسعه الگوریتم های فراابتکاری شیرمورچه - ژنتیک و PBILDE جهت بهینه سازی سبد سهام در بورس اوراق بهادار تهران. مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)، 9(34 )، 381-404. SID. https://sid.ir/paper/197571/fa

    Vancouver: کپی

    همایون فر مهدی، دانشور امیر، رحمانی جعفر. توسعه الگوریتم های فراابتکاری شیرمورچه - ژنتیک و PBILDE جهت بهینه سازی سبد سهام در بورس اوراق بهادار تهران. مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)[Internet]. 1397؛9(34 ):381-404. Available from: https://sid.ir/paper/197571/fa

    IEEE: کپی

    مهدی همایون فر، امیر دانشور، و جعفر رحمانی، “توسعه الگوریتم های فراابتکاری شیرمورچه - ژنتیک و PBILDE جهت بهینه سازی سبد سهام در بورس اوراق بهادار تهران،” مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)، vol. 9، no. 34 ، pp. 381–404، 1397، [Online]. Available: https://sid.ir/paper/197571/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button