تشکیل پرتفوی بهینه با استفاده ازالگوریتمهای ژنتیک بر اساس مدل مارکوئیتز و نقدشوندگی سهام دربورس اوراق بهادارتهران
Publish place: 11th Iranian Academic Accounting conference
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 704
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IAAC11_105
تاریخ نمایه سازی: 25 فروردین 1394
Abstract:
مطالعه حاضر در پی استفاده از الگوریتمهای ژنتیک جهت بهینهسازی پرتفوی با گسترش مدل میانگین واریانس مارکویتز میباشد. مد ل گسترش یافته بازده، ریسک و نقدشوندگی اوراق بهادار را شامل میشود، زیرانقدشوندگی یکی ازمهمترین معیارهای مورد توجه سرمایهگذاران در هنگام تشکیل پرتفوی میباشد. مسئله انتخاب پرتفوی بهینه به کمک الگوریتمهای ژنتیک، موضوعی است که کمتر مورد توجه پژوهشگران و تحلیلگران قرارگرفته است، در حالی که جامعیت و توان تکنیکی قابل ملاحظه این الگوریتمها میتواند گزینش مناسبی را بهدست دهد. مطالعات پیشین، کارایی الگوریتم ژنتیک را به عنوان یک روش جستجوی تصادفی جامع، در مقایسه با سایرروشهای بهینهسازی به اثبات رسانیده است. رویکرد تحقیق، پرتفویی به دست میدهد که دارای حداکثر بازده و نقدشوندگی، و حداقل ریسک باشد. نتایج این تحقیق نشان میدهد که بهینهسازی پرتفوی مبتنی بر نقدشوندگی میتواند منافع زیادی را در کاهش ریسک نقدشوندگی پرتفوی سرمایهگذاران )بدون از دست دادن مقدار قابل توجهی از بازده، و یا حتی دریافت بازده بالاتر( به دست آورد. بنابراین سرمایهگذاران میتوانند با استفاده از این رویکردها، نقدشوندگی پرتفوی خود را به خوبی تحت کنترل داشته باشند
Keywords:
Authors
حامد دمرچی لو
کارشناسی ارشد حسابداری، دانشگاه سیستان و بلوچستان نویسنده پاسخگو
بهنام مرادخانی
کارشناسی اارشد حسابداری عضو هیئت علمی موسسه غیرانتفاعی هاتف
محمدعلی مرادی
دکتری تخصصی حسابداری، دانشیار دانشگاه سیستان و بلوچستان
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 :