مطالعه تطبیقی برای انتخاب پرتفولیوی بهینه با اهداف غیرخطی با استفاده از الگوریتم های ژنتیک و ازدحام ذرات در بورس اوراق بهادار تهران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 607
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MEAE01_0440
تاریخ نمایه سازی: 27 اسفند 1394
چکیده مقاله:
برای سرمایه گذاری در بازار بورس، تشکیل پرتفولیوی مناسب به عنوان یک تصمیم گیری حساس، از اهمیت بالایی برخوردار است. از لحاظ نظری، انتخاب یک سبد در حالت حداقل نمودن ریسک، با استفاده از فرمول های ریاضی قابل حل و اجراست ولی در عمل و در دنیای واقعی این امر نیازمند محاسبات وسیعی می باشد که استفاده از روش های نوین بهینه سازی در این خصوص ضروری به نظر می رسد. دراین پژوهش، با استفاده از دو الگوریتم ژنتیک و ازدحام ذرات، مدلی برای انتخاب بهینه پرتفولیو معرفیگردید. بر این اساس ابتدا اطلاعات چهارده ماهه قیمت 50شرکت برتر بورس اوراق بهادار تهران استخراج شد و توسط الگوریتمهای ژنتیک ( )GAو ازدحام ذرات ( )PSOپرتفولیوی بهینه آن با اهداف حداکثرسازی بازده و حداقلسازی ریسک برآورد شد. نتایج به دست آمده از اجرای دو الگوریتم حاکی ازتوانایی بالای الگوریتم های مورد بررسی در بهینه سازی سبد سهام می باشد، به گونه ای که نتایج در محدوده مناسب قرار داشته و راهکار قابل اتکایی ارائه نموده اند. همچنین با به کارگیری الگوریتم ،PSOنتایج قابل قبول تری نسبت به GAبه دست آمده که از توانایی بالاتر آن در مسئله مورد بررسی حکایت دارد
کلیدواژه ها:
نویسندگان
مهدی صیادی
دانشجوی کارشناسی ارشد مدیریت مالی، دانشکده ادبیات، دانشگاه آزاد اسلامی کرمان، ایران
فرزانه بیگ زاده عباسی
استادیار گروه مدیریت، دانشکده ادبیات و علوم انسانی، دانشگاه آزاد اسلامی کرمان، ایران
مژگان درخشان داوری
مربی گروه مدیریت، دانشکده ادبیات و علوم انسانی، دانشگاه آزاد اسلامی کرمان، 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 :