بهینه یابی سبد سرمایه گذاری توسط مدل قیمت گذاری دارایی سرمایه ای در بازار کارا (CAPEM) بر مبنای جایشگت فرا اکتشافی رقابت استعماری ژنتیکی (RD-ICGA)
Publish place: 6th Conference on Development of Financing System in Iran
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 783
This Paper With 26 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IRFINANCE06_156
تاریخ نمایه سازی: 27 شهریور 1393
Abstract:
این مطالعه به دنبال آن است تا ضمن پیشنهاد مدل جدید و توسعه یافته «قیمت گذاری دارایی سرمایه ای در بازار کارا(CAPEM)»، ریزفاکتورهای تاثیرگذار بر تصمیمات سرمایه گذار در حوزه مالی رفتاری را شناسایی و به همراه متغیرهای مدل پیشنهادی، توسط الگوریتم فرااکتشافی رقابت استعماری ژنتیکی (RD-ICGA)، مورد برازش قرار داده تا در راستای حداقل کردن ریسک در سطوح مختلف بازده، در جهت تعیین بهینه اوزان اوراق سهام در پرتفوی پیشنهادی، به مرز کارای مدل قیمت گذاری دارایی سرمایه ای در بازار کارا (CAPEM)، دست پیدا کنیم. از بارزترین یافته های این مطالعه، انطباق. 83 درصدی نتایج بهینه سازی پرتفوی سهام با پورتفوی های کارگزاری های سرمایه گذاری مطرح (بانک، بیمه،...)، در نتیجه برازش مدل (CAPEM) بر مبنای (RD-ICGA) می باشد. هم چنین نتایج تحقیق حاکی از کاهش چشمگیر زمان سرعت هم گرایی منحنی در راستای تنوع بخش پرتفوی و دستیابی به نقطه بهینه نهایی در مقایسه با دیگر مدل های مشابه را دارد. به علاوه نتایج برازش مدل (CAPEM) بر مبنای (RD-ICGA) و در قیاس با نتایج مدل سنتی مارکویتز و الگوریتم های مبنا، با رشد 23 درصدی میانگین بازدهی پورتفوی شرکت های عضو بورس اوراق بهادار تهران بین سال های 1386 تا 1390 همراه بوده است. در این پژوهش برای اثبات اصالت نتیاج بدست آمده، در سطح اطمینان 95 درصد، نتایج برازش مدل پیشنهادی بطور مستقل، مورد تحلیل رگرسیون قرار گرفت. و برای ارزیابی نتایج حل عددی الگوریتم فرااکتشافی رقابت استعماری ژنتیکی (RD-ICGA) از توابع استاندارد مانند توابع رزنبرگ و اکلی استفاده گردید.
Authors
امرالله امینی
دانشیار و عضو هیات علمی دانشکده اقتصاد دانشگاه علامه طباطبائی (ره)
مصطفی امامی جزه
دانشجوی DBA دانشگاه phoenix
علیرضا امامی
دانشجوی دکتری حسابداری دانشگاه تهران
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 :