سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

الگوریتم های فراابتکاری در بهینه سازی سبد سهام

Publish Year: 1395
Type: Conference paper
Language: Persian
View: 1,548

This Paper With 19 Page And PDF and WORD Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

NSOECE05_088

Index date: 1 July 2017

الگوریتم های فراابتکاری در بهینه سازی سبد سهام abstract

مهم ترین هدف هر سرمایه گذار افزایش بازده و کاهش ریسک سرمایه گذاری است. بنابراین بهینه سازی سبد سهام از موضوعات مهم در زمینه ی سرمایه گذاری محسوب می شود که هدف آن ارایه ی روشی برای سرمایه گذاران جهت انتخاب سهام مناسب می باشد. الگوریتم های فراابتکاری، نوعی از الگوریتم های بهینه سازی هستند که جهت حل مشکل بهینه محلی راه حل هایی را ارایه داده اند و کاربردهای مختلقی دارند و بصورت گسترده ای در بهینه سازی سبد سهام مورد استفاده قرار می گیرند. در یک دسته بندی کلی می توان الگوریتم های فراابتکاری را به دو دسته الگوریتم های مبتنی بر یک جواب و الگوریتم های مبتنی بر جمعیت تقسیم کرد. الگوریتم های فراابتکاری در زمینه بهنیه سازی سبد سهام با هدف افزایش بازده و کاهش ریسک ارایه شده اند. در این مقاله ابتدا به بررسی مفاهیمی که در بهینه سازی سبد سهام بکار می روند خواهیم پرداخت، سپس الگوریتم های رایج بهینه سازی تشریح و در نهایت برخی از جدیدترین الگوریتم های ارایه شده در این زمینه را معرفی می کنیم.

الگوریتم های فراابتکاری در بهینه سازی سبد سهام Keywords:

الگوریتم های فراابتکاری در بهینه سازی سبد سهام authors

آفاق احسان فرد

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد سپیدان

جواد سرور

عضو هیات علمی، دانشگاه صنعتی شیراز

احمد مصلی نژاد

عضو هیات علمی، دانشگاه آزاد اسلامی واحد سپیدان

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 :
Bacanin, N., & Tuba, M. (2014). Firefly algorithm for cardinality ...
Baixauli-Soler, J. S., Alfaro-Cid, E., & Fernand ez-Blanco , M. ...
Bradshaw, N. A., Walshaw, C., Ierotheou, C., & Parrott, A. ...
_ _ Puchinger, J., Raidl, G. R., & Roli, A. ...
Chang, T. J., Meade, N., Beasley, J. E., & Sharaiha, ...
Froot, K. A., & Stein, J. C. (1998). Risk management, ...
Fu, T. C., Chung, C. P., & Chung, F. L. ...
Ganzach, Y. (2000). Judging risk and return of financia1 assets. ...
Gao, J., Li, D., Cui, X., & Wang, S. (2015). ...
Hajnoori, A., Amiri, M., & Alimi, A. (2013). Forecasting stock ...
Huang, X. (2012). Mean-variance models for portfolio selection subject to ...
Jacobs, B. I., Levy, K. N.. & Markowitz, H. M. ...
Leung, P. L, Ng, H. Y., & Wong, W. K. ...
Lwin, K., & Qu, R. (2013). A hybrid algorithm for ...
Markowitz, H. (1952). Portfolio selection*. The journal of finance, 7(1), ...
Markowitz, H. M. (1968). Portfolio selection: efficient diversification of investmens ...
Markowitz, H. (2014). Mean-variance approximations to expected utility. European Journal ...
Mirjalili, S. (2015). The ant lion optimizer. Advances in Engineering ...
Mirjalili, S., Mirjalili, S. M., & Lewis, A. (2014). Grey ...
Mitchell, M. (1998). An introduction to genetic algorithms. MIT press. ...
Reza Golmakani, H., & Jalilipour Alishah, E. (2008, July). Portfolio ...
Rifki, O., & Ono, H. (2012, June). A survey of ...
Schaerf, A. (2002). Local search techniques for constrained portfolio selection ...
Shen, Y. (2015). Mean-variance portfolio selection in _ complete market ...
Stein, M., Branke, J., & Schmeck, H. (2008). Efficient implementation ...
Talbi, E. G. (2009). Metaheuristic, from design to implementation (Vol. ...
Zhu, H., Wang, Y., Wang, K., & Chen, Y. (2011). ...
نمایش کامل مراجع

مقاله فارسی "الگوریتم های فراابتکاری در بهینه سازی سبد سهام" توسط آفاق احسان فرد، دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد سپیدان؛ جواد سرور، عضو هیات علمی، دانشگاه صنعتی شیراز؛ احمد مصلی نژاد، عضو هیات علمی، دانشگاه آزاد اسلامی واحد سپیدان نوشته شده و در سال 1395 پس از تایید کمیته علمی پنجمین کنفرانس بین المللی مهندسی کامپیوتر ،برق و الکترونیک پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله سبد سهام، بهینه سازی، الگوریتم فرا ابتکاری، مدل میانگین-واریانس، GENETIC ALGORITHM، ALO، PDILDE هستند. این مقاله در تاریخ 10 تیر 1396 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1548 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که مهم ترین هدف هر سرمایه گذار افزایش بازده و کاهش ریسک سرمایه گذاری است. بنابراین بهینه سازی سبد سهام از موضوعات مهم در زمینه ی سرمایه گذاری محسوب می شود که هدف آن ارایه ی روشی برای سرمایه گذاران جهت انتخاب سهام مناسب می باشد. الگوریتم های فراابتکاری، نوعی از الگوریتم های بهینه سازی هستند که جهت حل مشکل بهینه ... . این مقاله در دسته بندی موضوعی الگوریتم ژنتیک طبقه بندی شده است. برای دانلود فایل کامل مقاله الگوریتم های فراابتکاری در بهینه سازی سبد سهام با 19 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.