مدیریت سبد سرمایه با استفاده از ارزش در معرض ریسک (VaR): یک مقایسه بینالگوریتم های ژنتیک و بهینه سازی تجمع ذرات
Publish place: 3rd Conference on Financial Mathematics and Applications
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 586
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
CFMA03_125
Index date: 6 June 2015
مدیریت سبد سرمایه با استفاده از ارزش در معرض ریسک (VaR): یک مقایسه بینالگوریتم های ژنتیک و بهینه سازی تجمع ذرات abstract
در این تحقیق، مقایسه ای بین کاربرد بهینه سازی تجمع ذرات (PSO) و الگوریتم های ژنتیک (GA) برای مدیریت سبد سرمایه، در یک مسئله بهینه سازی سبد سرمایه (تحت این قید که فروش کوتاه مجاز نیست)، انجام شده است. تابع هدف مینیمم شده ارزش درمعرض ریسک محاسبه شده با استفاده از شبیه سازی تاریخی می باشد. نتایج ازمایشات انجام شده در این تحقیق نشان می دهد که به طور کلی، این روش ها به طور سازگار، قادر هستند راه حل (جواب) های مناسب که کاملاً نزدیک به بهترین جواب یافته شده هستند، را در یک مدت زمان معقول بیابند. به نظر می رسد که از دو جهت PSO سریعتر از GA باشد؛ یکی از نظر تعداد تکرار و دیگری از نظر زمان کل اجرای الگوریتم ها، که با تشکیل پرتفوهایی از سهام شرکت های به کارگرفته شده در این تحقیق این موضوع بررسی می شود. برخی تست ها نیز با توجه به تعداد ذرات مورد نیاز برای حل این مسئله پیشنهاد شده است، و هر پند همواره در تعداد ذرات/کروموزوم های به کارگرفته شده برای الگوریتم های PSO و GA بحث های مختلفی وجود دارد، به نظر می رسد 50 ذره/کروموزوم برای مسئله های تا حد 20 دارایی، برای تست های انجام شده در این تحقیق کافی باشد.
مدیریت سبد سرمایه با استفاده از ارزش در معرض ریسک (VaR): یک مقایسه بینالگوریتم های ژنتیک و بهینه سازی تجمع ذرات Keywords:
مدیریت سبد سرمایه با استفاده از ارزش در معرض ریسک (VaR): یک مقایسه بینالگوریتم های ژنتیک و بهینه سازی تجمع ذرات authors
محمود اشرفی
دانشجوی کارشناسی ارشد ریاضی مالی- دانشگاه شیخ بهایی اصفهان
اعظم محمدی پلارتی
دانشجوی کارشناسی ارشد ریاضی مالی- دانشگاه شیخ بهایی اصفهان
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 :