بهینه سازی سبد سهام با استفاده از الگوریتم جستوجوی ارگانیسمهای هم زیست
Publish place: Financial Research Journal، Vol: 18، Issue: 2
Publish Year: 1395
Type: Journal paper
Language: Persian
View: 239
This Paper With 22 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JFR-18-2_010
Index date: 9 February 2022
بهینه سازی سبد سهام با استفاده از الگوریتم جستوجوی ارگانیسمهای هم زیست abstract
بهینهسازی سبد سهام یکی از مهمترین موضوعات تصمیمگیری برای شرکتهای فعال در بازار سرمایه است. هنگامی که وضعیت و محدودیتهای دنیای واقعی نظیر محدودیت سرمایهگذاری در هریک از سهامها و نیز محدودیت تعداد سهامهای موجود در سبد سهام در نظر گرفته میشوند، مسئله بهینهسازی سبد سهام به راحتی حل نمیشود، از این رو استفاده از شیوههای فراابتکاری مد نظر قرار میگیرد. هدف اصلی از پژوهش حاضر، حل مسئله بهینهسازی سبد سهام با استفاده از نوعی الگوریتم فراابتکاری کاملا جدید و نوظهور به نام الگوریتم جستوجوی ارگانیسمهای همزیست با در نظر گرفتن محدودیتهای دنیای واقعی در تشکیل سبد سهام است. این الگوریتم با الهام از روابط همزیستی موجود در اکوسیستمهای گوناگونی که در طبیعت وجود دارد، در سال ۲۰۱۴ معرفی شده است. در نهایت روش و مدل مورد استفاده در این پژوهش با دادههای واقعی حل شد و نتایج آن تجزیه و تحلیل شدند. نتایج این پژوهش نشان میدهد، الگوریتم جستوجوی ارگانیسمهای همزیست در بهینهسازی سبد سهام، عملکرد موفقی داشته و توانسته است به نحو مطلوبی با محدودیتهای واقعی بازار تعامل کند
بهینه سازی سبد سهام با استفاده از الگوریتم جستوجوی ارگانیسمهای هم زیست Keywords:
الگوریتم جستجوی ارگانیسم های هم زیست , بهینه سازی سبد سهام , روش های فراابتکاری , محدودیت کاردینالیتی
بهینه سازی سبد سهام با استفاده از الگوریتم جستوجوی ارگانیسمهای هم زیست authors
عمران محمدی
استادیار، گروه مهندسی صنایع، دانشکده مهندسی صنایع، دانشگاه علم و صنعت، تهران، ایران
سید عرفان محمدی
کارشناسارشد مهندسی صنایع، دانشکده صنایع، دانشگاه علم و صنعت، تهران، ایران
شاهین رامتین نیا
کارشناس مهندسی صنایع، دانشکده صنایع، دانشگاه علم و صنعت، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :