بهینه سازی سبدسهام براساس حداقل سطح پذیرش ریسک کل و اجزای آن با استفاده از روش الگوریتم ژنتیک

نویسندگان

مائده کیانی هرچگانی

دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، گروه مدیریت مالی ، (مسئول مکاتبات) سیدعلی نبوی چاشمی

دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، گروه مدیریت مالی. عرفان معماریان

دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، گروه مدیریت مالی.

چکیده

ریسک و بازده دو عاملی هستند که همواره در حوزه سرمایه گذاری مطرح بوده اند. همزمان با به وجود آمدن مدل هایی جهت بهینه سازی سبد سهام که مهم ترین آن مدل مارکویتز بوده، لزوم شناخت روشهای حل این مدل ها نیز از اهمیت بسزایی برخوردار شده اند. یکی از مهم ترین روش های فراابتکاری برای حل مدل های بهینه سازی سبد سهام الگوریتم ژنتیک می باشد، که یکی از اهداف این تحقیق بررسی میزان کارایی آن در بهینه سازی سبد سهام بوده است. بدین منظور در این تحقیق یکبار با استفاده از الگوریتم ژنتیک مرز کارای بهینه را به دست آورده و این مرز کارا را با مرز کارای حاصل از روش حل دقیق مقایسه می کنیم. به منظور دستیابی به این هدف 25 شرکت از شرکت های فعال در بورس اوراق بهادار تهران انتخاب شدند. محاسبات مربوط به تحقیق توسط نرم افزار 7.6matlabانجام شده است. نتایج تحقیق مبین این مطلب است که مرزکارای بهینه به دست آمده با استفاده از روش الگوریم ژنتیک با مرزکارای حاصل از روش حل دقیق برابر بوده که نشان دهنده کارایی بالای الگوریتم ژنتیک در بهینه سازی سبد می باشد. همچنین در این تحقیق نتایج بیانگر این مطلب است که با مقایسه سبد های بهینه حاصل از حل، با تابع ریسک های سیستماتیک و غیر سیستماتیک، تنوع سهام در سبدهایی با تابع ریسک غیر سیستماتیک بسیار بیشتر از سبدهایی با تابع ریسک سیستماتیک بوده است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

بهینه سازی سبدسهام با استفاده از روش k-means و الگوریتم ژنتیک

 دیدگاهی که در این مقاله ارائه می دهیم در دو مرحله جای می گیرد: مرحله ی اول طبقه بندی سهم ها ی پورتفوی ابتدایی با روش k-means به دسته های کوچکتر است، سپس طبقه ای که کمترین ریسک و بیشترین بازده را دارد یا به عبارتی طبقه ای که بهینه تر می باشد را به عنوان ورودی الگوریتم خود که آن را MinVaRMaxR نامیده ایم برمی گزینیم. الگوریتم مذبور،الگوریتم پویایی، براساس الگوریتم ژنتیک و مفهوم ارزش در معرض خطر م...

متن کامل

بهینه سازی سبدسهام با استفاده از روش k-means و الگوریتم ژنتیک

دیدگاهی که در این مقاله ارائه می دهیم در دو مرحله جای می گیرد: مرحله ی اول طبقه بندی سهم ها ی پورتفوی ابتدایی با روش k-means به دسته های کوچکتر است، سپس طبقه ای که کمترین ریسک و بیشترین بازده را دارد یا به عبارتی طبقه ای که بهینه تر می باشد را به عنوان ورودی الگوریتم خود که آن را minvarmaxr نامیده ایم برمی گزینیم. الگوریتم مذبور،الگوریتم پویایی، براساس الگوریتم ژنتیک و مفهوم ارزش در معرض خطر می...

متن کامل

بهینه سازی ورقهای کامپوزیت با استفاده از الگوریتم ژنتیک

بهینه‌سازی سازه‌ها یعنی طراحی آنها به صورتی که هم مسائل فنی رعایت شوند و هم کمترین وزن و هزینه اجرایی را داشته باشد. در سالهای اخیر استفاده از مواد‌مرکب‌چندلایه در ساخت سازه‌های مکانیکی، فضایی، دریایی و خودروسازی افزایش یافته است. یکی از دلایل عمده استفاده از این مواد، مقاومت بسیار زیاد به همراه وزن کم آنها می باشد. از اهداف این تحقیق طراحی بهینه یک ورق مرکب چند‌لایه با کمترین وزن و هزینه ممکنه...

متن کامل

بهینه سازی فرآیند خشک کردن دانه سویا با استفاده از روش الگوریتم ژنتیک

در این تحقیق فرآیند خشک کردن دانه سویا بر روی رقم DPS طبق روشهای استاندارد مورد بررسی قرار گرفت. جهت بررسی خواص خشک کردن و تاثیر عوامل مختلف آن، یک دستگاه خشک کن آزمایشگاهی طراحی ، و ساخته شد سپس پارامترهای خشک کردن شامل رطوبت اولیه سه سطح (21٪، 18، 16 بر مبنای خشک) دمای خشک کردن در سه سطح (50،65، 80 درجه سیلسیوس) و سرعت گردش هوا در سه سطح (6٪،1،5/1 متر بر ثانیه) بر روی میزان روغن و شاخص اسیدیت...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
دانش سرمایه گذاری

جلد ۳، شماره ۱۱، صفحات ۱۲۵-۱۶۴

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023