بررسی عملکرد الگوریتم GRASP درانتخاب پرتفوی بهینه ( با لحاظ محدودیت کاردینالیتی
Publish place: Financial Economics، Vol: 14، Issue: 51
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 149
This Paper With 25 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ECJ-14-51_006
تاریخ نمایه سازی: 26 آذر 1401
Abstract:
در مساله بهینه سازی پرتفوی ، مدل مارکویتز همچنان به عنوان رویکرد غالب شناخته شده است اما چون محدودیت هایی که در دنیای واقعی نظیر محدودیت تعدادداراییهای سبد یا حداقل و حداکثر مقدار هریک از داراییها در این مدل درنظر گرفته نشده است، این مدل در حل مسائل دنیای واقعی بعضا ناتوان می باشد. به همین دلیل استفاده از الگوریتم های فراابتکاری با توجه به ویژگی های منعطفی که دارند میتوانند مفید واقع شوند. در پژوهش پیش رو از الگوریتم فراابتکاری به نام جستجوی انطباق تصادفی حریصانه(GRASP) برای رفع مشکل بهینه سازی پرتفوی با محدودیت کاردینالیتی (CCPO)استفاده شده استکه به جهت تطابق بیشتر با دنیای واقعی ، دو مجموعه محدودیت شامل محدودیتهای کف و سقف و محدودیت کاردینالیتی به مدل مارکویتز اضافه شده است . بررسی نتایج حاصل از بهینه سازی پرتفوی با الگوریتم GRASPبا نتایج مدل مارکویتز بر روی ۱۹۹ شرکت طی دوره ۵ ساله (۱۳۹۱-۱۳۹۵) ، در بورس اوراق بهادار تهران نشان می دهد براساس معیار شارپ در هر پرتفوی ۵ ، ۱۵ و۳۰ شرکتی الگوریتم GRASP در بهینه سازی پرتفوی کاراتر از مدل مارکویتز عمل می کند.
Keywords:
الگوریتم جستجوی انطباق تصادفی حریصانه (GRASP) , محدودیت کاردینالیتی , الگوریتم فراابتکاری , مدل مارکویتز. طبقه بندی JEL: G۱۱
Authors
میثم امیری
استادیار گروه مالی و بانکداری، دانشگاه علامه طباطبائی، تهران،ایران.
محمدحسن ابراهیمی سروعلیا
استادیار گروه مالی و بانکداری ، دانشگاه علامه طباطبائی، تهران،ایران
هما هاشمی
کارشناس ارشد گروه مالی و بانکداری ، دانشگاه علامه طباطبائی، 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 :