بهینه سازی و مقایسه سبد سهام در بورس اوراق بهادار تهران با بهرهمندی از الگوریتم های بهینه سازی تکاملی چندهدفه
محل انتشار: فصلنامه تحقیقات مالی، دوره: 16، شماره: 2
سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 150
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JFR-16-2_004
تاریخ نمایه سازی: 20 بهمن 1400
چکیده مقاله:
با وجود استفاده روزافزون از الگوریتمهای بهینهسازی تکاملی چندهدفه در شاخههای مختلف علوم، بهکاربردن آنها بهعنوان ابزار بسیار قدرتمند در زمینه بهینهسازی سبد سرمایه، بهویژه حل مسئله چندهدفه، همچنان در مراحل اولیه پژوهش است. در این مقاله، از الگوریتمهای تکاملی چندهدفه برای حل مسئله بهینهسازی چندهدفه سبد سرمایه در بورس اوراق بهادار تهران استفاده شده است. برای این منظور، دو روش مهم و پرکاربرد الگوریتم ژنتیک چندهدفه با مرتبسازی نامغلوب (NSGA-II) و بهینهسازی چندهدفه ازدحام ذرات (MOPSO) با یکدیگر مقایسه شدند. جبهههای بهینه پارتوی بهدستآمده، به سرمایهگذار این امکان را میدهد که از بین ریسک و ارزشهای مختلف، سبد سرمایه بهینه مدنظر را انتخاب کند. ارزش سبد سرمایه و ریسک آن بهعنوان اهداف بهینهسازی و معیار ارزش در معرض ریسک مشروط بهعنوان سنجه ریسک بهکار برده شد و سه قید عملی و کاربردی نیز برای حل مسئله مدنظر قرار گرفت. نتایج، عملکرد بهتر روش NSGA-II را نسبت به MOPSO برای هر دو معیار همگرایی و گستردگی جبهههای بهینه پارتو نشان داد. همچنین در پیشبینی سبد سهام بهینه، انطباق جبهههای بهینه پارتوی واقعی و پیشبینیشده، نشاندهنده کارایی بسیار مناسب روشهای استفادهشده است.
کلیدواژه ها:
ارزش در معرض ریسک مشروط ، الگوریتمهای بهینه سازی چندهدفه تکاملی ، پیش بینی سبد سهام ، MOPSO. NSGA-II
نویسندگان
مهسا رجبی
دانشجوی دکتری برق کنترل و سیستم، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
حمید خالوزاده
استاد دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :