روشی نوین در حل مسئله انتخاب بهینه سبد سهام با استفاده از الگوریتم ژنتیک و تبرید تدریجی

Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,459

This Paper With 6 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ACCSI14_175

تاریخ نمایه سازی: 26 مهر 1387

Abstract:

مسئله انتخاب بهینه سبد سهام یکی از مسائل غیرچند جمله ای (NP ) است. در گذشته با استفاده از تکنیک های مطرح شده در الگوریتم های تکاملی، ژنتیک، تبرید تدریجی و شبکه عصبی اقدام به حل این مسئله کرده اند. اما تاکنون الگوریتم دقیقی برای حل آن ارائه نشده است. در این مقاله روش جدیدی پیشنهاد شده است که با ترکیب الگوریتم ژنتیک و تبرید تدریجی مسئله انتخاب بهینه سبد سهام را با دقت و سرعت بیشتری حل می کند. در روش پیشنهادی درهرنسل فرزندان تولید شده توسط عملگرهای ژنتیک بر پایه معیارهای تبریدتدریجی بررسی و پذیرش می شوند که سبب جلوگیری از همگرایی به بهینه محلی در نسل های ابتدایی ، کاهش میزان جستجوهای بی هدف در نسل های پایانی و افزایش سرعت همگرایی می شود. برای بررسی صحت عملکرد، روش ارائه شده بر روی داده های ٤ بورس معتبر دنیا آزمایش شده است و با جبهه پرتو استاندارد مقایسه شده است. نتایج، بهبود سرعت و دقت همگرایی رسیدن به پاسخ را نشان می دهد.

Keywords:

انتخاب بهینه سبد سهام , الگوریتم ژنتیک , تبرید تدریجی و جبهه پرتو

Authors

تکتم دهقانی

گروه کامپیوتر،دانشکده مهندسی،دانشگاه آزاد اسلامی واحد مشهد

مجید وفایی جهانی

عضو هیئت علمی گروه کامپیوتر،دانشکده مهندسی،دانشگاه آزاد اسلامی واح

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 :
  • Selection 4, Journual of Finance, Portfolio؟، [1] Markowitz, H., No. ...
  • Coello, C. A., "An Updated Survey of GA-Based Multi- ...
  • objective Optimization Techniques", ACM Computing surveys, Vol. 32, No. 2, ...
  • Beasley, J. E., "Heuristic Algorithms for the Unc onstrained Binary ...
  • Lotov, A. V, _ _ Appr oximation and Visualization of ...
  • Fernandez, A., Gomez, S., "Portfolio Selection Using Neural Networks", Computers ...
  • Tanaka, H., Guo, P., Turksen, I. B., "Portfolio Selection Based ...
  • Crama, Y., Schyns, M.., "Simulated Annealing for Complex Portfolio Selection ...
  • Claus, A., Portfolio Management with Cost Mode] Using Multi-obj ective ...
  • Hochreiter, R., "An Evolutionary Computation Approach to S cenario-based risk-return ...
  • Kwon, Y. K., Moon, B. R., _ Evolutionary Ensemble for ...
  • Lin, C. M., Gen, M., "An Effective D ec ision-based ...
  • Werner, J. C., Fogarti, T. C., "Genetic Control Applied to ...
  • Yan, W., Clack, C. D., "Behavioral GP Diversity for Dynamic ...
  • Lipinski, P., Winczura, K., Wojcik, J., "Building Risk- Optimal Portfolio ...
  • Vafaei Jahan, M., Akbarzadeh Tootonchi, M. R., "Spin Glass Portfolio ...
  • Portfolio selection benchmark data at "httb : //peoble .brunel _ ...
  • نمایش کامل مراجع