بررسی کاربرد الگوریتم ابتکاری ترکیبی ژنتیک و نِلدر مید در بهینه سازی پورتفوی

Authors

  • آرش طالبی دانشجوی کارشناسی ارشد مدیریت اجرایی (MBA) دانشگاه صنعتی شاهرود
Abstract:

همچنان مدل پورتفوی مارکویتز در حرفه و مباحث علمی سرمایه گذاری، رویکرد غالب است. در قیاس با رشد روزافزون استفاده از پورتفوی ها و با وجود ادبیات غنی آن، همچنان مشکل ها و سوال های بی پاسخ فراوانی در این باره وجود دارد. چگونگی انتخاب پورتفوی، از جمله مسائل بحث برانگیز است. انتخاب روش بهینه سازی پورتفوی نیز، یکی از مهم ترین زیرشاخه های این مقوله است. هدف این پژوهش، ارائه ابزاری مفید و کارآمد برای کمک به متخصصان حوزه مالی در عمل و همچنین محققان مالی در تئوری انتخاب پورتفوی است. این پژوهش، علاوه بر بررسی روش های کلاسیک و ابتکاری در بهینه سازی، الگوریتم های ابتکاری را با یکدیگر ترکیب کرده و آن را بر مسئله بهینه سازی پورتفوی در بورس اوراق بهادار تهران بین سی و پنج شرکت از پنجاه شرکت برتر بازار، اعمال می کند. نتایج تحقیق نشان می دهد که ترکیب الگوریتم های ژنتیک و نِلدر ‐ مید با مسئله بهینه سازی پورتفوی به خوبی سازگاری دارد و در مقایسه با کاربرد جداگانه الگوریتم ژنتیک، ترکیب با سرعت همگرایی بهتر به پاسخ بهینه و ریسک ‐ بازدهی مناسب تر، عملکرد بهتری را دارد. همچنین نتایجِ مقایسه پورتفوی های روش ترکیبی نشان می دهد که اگرچه سرعت همگرایی و تنوع بخشی پورتفوی اطلاعات ماهانه، بیشتر از پورتفوی سالانه است؛ اما عملکرد ریسک ‐ بازدهی پورتفوی اطلاعات سالانه، بهتر از پورتفوی ماهانه است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بهینه سازی فرآیند تطابق چندین ابر نقاط با استفاده از الگوریتم جدید ترکیبی جستجوی گرانشی و نلدر- مید

بهینه سازی، در بسیاری از شاخه های علوم کاربرد زیادی یافته است. در سال های اخیر، تئوری ها و روش های متعددی برای پیدا کردن پاسخ بهینه و توسعه روش های بهینه سازی ارائه شده است. الگوریتم های بهینه سازی الهام گرفته از طبیعت به عنوان روش های ابتکاری، راه حل های مناسبی را برای مسائل پیچیده ارائه می نماید که یکی از کاربردهای این روش ها، مهندسی معکوس می باشد. در مهندسی معکوس، هر مجموعه از نقاط اسکن شده ...

full text

حل مسئله پخش بار بهینه در شرایط نرمال و اضطراری با استفاده از الگوریتم ترکیبی گروه ذرات و نلدر مید (PSO-NM)

In this paper, solving optimal power flow problem has been investigated by using hybrid particle swarm optimization and Nelder Mead Algorithms. The goal of combining Nelder-Mead (NM) simplex method and particle swarm optimization (PSO) is to integrate their advantages and avoid their disadvantages. NM simplex method is a very efficient local search procedure but its convergence is extremely sen...

full text

طراحی یک الگوریتم فرا ابتکاری جهت انتخاب پورتفوی بهینه ردیابی‌کننده شاخص بورس تهران

تخصیص بهینه منابع مالی در بازار سرمایه یکی از اصلی‌ترین موضوعات در حوزه تصمیمات سرمایه‌گذاری است. اتخاذ تصمیمی اثربخش در این خصوص، نیازمند وجود زمینه‌های مناسب سرمایه‌گذاری و ابزار و تکنیکهای تحلیل مناسب در بازار سرمایه است. یکی از این تکنیکهای کارآمد که علاوه بر داشتن مزایای منحصر به فرد، پایه و اساس استراتژیهای نوین سرمایه‌گذاری قلمداد می شود، ردیابی شاخص[1] است. با توجه به اهمیت و نقش غیر قا...

full text

بهینه سازی سیکل ترکیبی با استفاده از الگوریتم های ژنتیک(GA) و بهینه سازی دسته ذرات(PSO)

چکیده: در این مقاله، سیکل ترکیبی بصورت کامل مدلسازی شده و پس از تحلیل انرژی و اگزرژی، تابع برازش مناسب تعریف و بهینه سازی آن توسط الگوریتم های ژنتیک و بهینه سازی دسته ذرات انجام شده است. لازم به ذکر است سیکل های ترکیبی از طراحی پیچیده­ای برخوردار بوده و اعمال هر تغییر در طراحی، بر متغیرهای زیادی به صورت مستقیم و غیر مستقیم تاثیر گذار می­باشد. اگرچه در گذشته تلاشهای زیادی به منظور بهینه سازی تک ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 7  issue 14

pages  171- 204

publication date 2010-09-23

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023