تبیین و آزمون الگوریتم روش تسلط تصادفی برای ارزیابی کارایی پرتفوی بهینه

نویسندگان

پرهام پدرام

چکیده

مفاهیم شبیه به تسلط تصادفی در طول سالیان شناخته شده بودند ولی  مقاله های چاپ شده بوسیله هادر و راسل  و هانوچ و لوی در 1969  و مقاله روشیلد و استیگلیتز در 1970  راه پارادایم جدید تسلط تصادفی را هموار نمودند. این تحقیقات با مفاهیم نظری و کاربردی فراوانی در مباحث اقتصادی، مالی، حسابداری، آماری، کشاورزی و پزشکی مواجه شد. نیاز به توسعه قواعد تسلط تصادفی به خاطر وجود پارادوکس هایی است که در استفاده از قواعد روش میانگین واریانس آشکار می شود موارد متعددی وجود دارد که روش میانگین واریانس توانایی انتخاب گزینه بهینه میان دو دارائی مخاطره آمیز را ندارد به طور مثال وقتی  ما دو آلترناتیو سرمایه گذاری داشته باشیم آلترناتیو x   1 دلار یا 2 دلار با احتمال مساوی و آلترناتیو y   2 دلار و یا 4 دلار با احتمال مساوی همانطور که مشخص است آلترناتیو y  دارای میانگین و واریانس بزرگتری است ولی روش میانگین واریانس در برابر انتخاب بین آلترناتیوهای x و y سکوت می کند. علاوه بر این موارد متعددی وجود دارد که روش میانگین واریانس توانایی انتخاب سرمایه گذاری بهینه را ندارد و در بسیاری از این موارد پیچیده ،انتخاب سرمایه گذاری مناسب تر به راحتی امکان پذیر نمی باشد

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

بهینه‌سازی پرتفوی به روش تسلط تصادفی در بورس اوراق بهادار تهران

تشکیل پرتفوی بهینه بر اساس ریسک و بازده، از تصمیمات مهم سرمایه‌گذاران در بازارهای مالی است که برای آن روش‌های مختلفی وجود دارد. اولین روشی که به‌منظور تشکیل و بهینه‌سازی پرتفوی معرفی گردید، روش میانگین-واریانس مارکویتز بود. اما این روش به دلیل فرض نرمال بودن تابع توزیع بازدهی، فقط ویژگی‌های خاصى از تابع توزیع بازدهی (بازده مورد انتظار و واریانس) را در نظر می‌گرفت. روش دیگری که سال‌ها بعد به منظ...

متن کامل

بهینه سازی پرتفوی سهام: سودمندی الگوریتم پرندگان و مدل مارکویتز

هدف از مدیریت پرتفوی انتخاب سبد سهام است، سبد سهامی که راهنمایی سرمایه گذاران برای دستیابی به بیشترین بازده می باشد؛ در این پژوهش جهت انتخاب سبد سهام از الگوریتم پرندگان و مدل مارکویتز استفاده شده است و مقایسه ای نیز بین انها صورت پذیرفته است. معرفی یک مدلی جهت انتخاب پرتفوی برای سرمایه گذاران که بتوانند با ارزیابی ان مدل به انتخاب درست سبد پرتفوی اقدام کنند، از اهداف ما در این پژوهش می باشد.از...

متن کامل

بررسی کارایی بهینه سازی پرتفوی براساس مدل پایدار با بهینه سازی کلاسیک در پیش بینی ریسک و بازده پرتفوی

یافتن بهترین را جهت بهینه سازی پرتفوی پس از انتشار مقاله مارکویتز در سال 1952 همواره یکی از دغدغه های فعالان در صنعت مدیریت سرمایه گذاری بوده و خواهد بود. ورود مدلهای ریاضی و پژوهش عملیاتی یکی از فعالیتهایی است که در دهه اخیر توانسته بهینه سازی پرتفوی را تحت تاثیر دهد. تحقیق حضر تلاشی است در جهت بهینه سازی پرتفوی با استفاده از بهینه سازی پایدار و تخمین ریسک و بازده پرتفوی و مقایسه ریسک و بازدهی...

متن کامل

الگوریتم جستجوی هارمونی برای بهینه سازی مسئله چند هدفه پرتفوی در حالت فازی-تصادفی براساس روش های امکان و لزوم

انتخاب بهینه پرتفوی به عنوان یک ابزار مفید برای تصمیم گیران و محققان حوزه ی مالی بوده و یکی از زمینه هایی است که تحقیقات و مطالعات بیشماری در حوزه آن صورت گرفته است. بسیاری مقاله معروف مارکویتز را آغاز ورود جدی ریاضیات به حوزه مالی و کمی شدن مباحثی همچون ریسک و بازده دانسته و آن را شروع تحلیل مدرن پرتفوی بر می شمارند. در هر تصمیم گیری به منظور سرمایه گذاری، دو عامل ریسک و بازده از اهمیت بسزایی ...

15 صفحه اول

آزمون عملکرد الگوریتم جنگل های تصادفی و الگوریتم شبکه عصبی عمیق در استراتژی آربیتراژ آماری

در این تحقیق به آنالیز اثر بخشی الگوریتم جنگل­های تصادفی در زمینه آربیتراژ آماری پرداخته شده است، همچنین برای سنجش عملکرد الگوریتم جنگل­های تصادفی در زمینه آربیتراژ آماری نسبت به دیگر مدل­های ارائه شده در پژوهش­های پیشین، مقایسه نتایج بدست آمده از کاربرد این الگوریتم با الگوریتم شبکه­های عصبی عمیق انجام شده است. مدل­های مورد نظر با اطلاعات مربوط به قیمت سهام آموزش داده شده و خروجی بدست آمده از ...

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 مالی تحلیل اوراق بهادار

ناشر: دانشگاه آزاد اسلامی واحد علوم وتحقیقات

ISSN 2251-6859

دوره 2

شماره شماره 1(پیاپی 1) 2009

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023