توسعه الگوریتم های فرا ابتکاری شیرمورچه- ژنتیک و PBILDE جهت بهینه سازی سبد سهام در بورس اوراق بهادار تهران
عنوان مقاله: توسعه الگوریتم های فرا ابتکاری شیرمورچه- ژنتیک و PBILDE جهت بهینه سازی سبد سهام در بورس اوراق بهادار تهران
شناسه ملی مقاله: JR_FEJ-9-34_019
منتشر شده در شماره 34 دوره 9 فصل در سال 1397
شناسه ملی مقاله: JR_FEJ-9-34_019
منتشر شده در شماره 34 دوره 9 فصل در سال 1397
مشخصات نویسندگان مقاله:
مهدی همایونفر - استادیار گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
امیر دانشور - استادیار گروه مدیریت صنعتی، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران
جعفر رحمانی - کارشناس ارشد مدیریت فناوری اطلاعات، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران
خلاصه مقاله:
مهدی همایونفر - استادیار گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
امیر دانشور - استادیار گروه مدیریت صنعتی، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران
جعفر رحمانی - کارشناس ارشد مدیریت فناوری اطلاعات، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران
در مطالعات مالی، سبد سهام را میتوان به معنی مجموعهی سرمایهگذاریهایی دانست که توسط یک فرد و یا یک موسسه انتخاب و پذیرفته میشود. انتخاب سبد سهام یکی از اصلیترین دغدغههای سرمایهگذاران در بازارهای مالی است. مدل میانگین- واریانس با مولفههای مقید به عنوان یکی از مدلهای اصلی در حل مساله بهینهسازی سبد سرمایه شناخته میشود. این مدل از لحاظ پیچیدگی، از نوع مسائل غیرخطی چند جملهای NP-hard است که به صورت دقیق قابل حل نیستند. در این پژوهش با استفاده از الگوریتم ترکیبی شیرمورچه- ژنتیک (ALOGA) و الگوریتم ترکیبی یادگیری افزایشی مبتنی بر جمعیت و تکامل تفاضلی (PBILDE)که از مدلهای فرا ابتکاری نوین در حل مسائل بهینهسازی هستند، برای بهینهسازی سبد سرمایهگذاری با هدف افزایش بازده و کاهش ریسک استفاده شده است. از میان 591 شرکت حاضر در بورس اوراق بهادار تهران، 150 شرکت در بازه زمانی فروردین 1391 الی اسفند 1393 با استفاده از روش غربالگری به عنوان نمونه نهایی انتخاب شدند. دادههای مربوط به این شرکتها توسط الگوریتمهای بکار رفته در تحقیق مورد تجزیه و تحلیل قرار گرفت و کارآیی آنها با یکدیگر مقایسه گردید. نتایج پژوهش حاکی از آن است که الگوریتمهای ALOGA و PBILDE کارایی مناسبی برای حل مسالهی بهینهسازی سبد سهام دارند. بعلاوه، با استفاده از الگوریتم ALOGA میتوان با دقت و کارایی بالا سبد سهام بهینه تشکیل داد.
کلمات کلیدی: بهینه سازی سبد سهام, ریسک, بازده, الگوریتم شیرمورچه, الگوریتم ترکیبی یادگیری افزایشی مبتنی بر جمعیت و تکامل تفاضلی, الگوریتم ژنتیک
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/958597/