بهینه‌سازی سبد سهام بورس اوراق بهادار با استفاده از الگوریتم‌‌های فراکاوشی

Authors

  • احمد انارکی محمدی کارشناس ارشد مدیریت بازرگانی، دانشگاه آزاد اسلامی، واحد تهران- مرکز.
  • رضا علائی دانشجوی دکتری دانشکده ی اقتصاد دانشگاه شهید چمران اهواز
Abstract:

یکی از رویکردهای بهینه‌یابی که در علوم مختلف مورد استفاده قرار می‌گیرد الگوریتم‌های فراکاوشی می‌باشد. در این پژوهش، با استفاده از الگوریتم فراکاوشی جدید جستجوی موجودات همزیست (SOS) مدلی برای انتخاب بهینه پرتفوی معرفی گردیده و سپس نتایج بدست آمده از آن با نتایج بدست آمده از الگوریتم‌های قدیمی‌تر ژنتیک (GA) و ازدحام ذرات (PSO) مقایسه گردیده است. بدین منظور با استفاده از اطلاعات ده ماهه‌ی بازده‌ی 50 شرکت برتر بورس، پرتفوی بهینه با توجه به هدف حداکثر سازی سود و حداقل سازی ریسک به وسیله‌‌ی الگوریتم‌های مذکور برآورد و با یکدیگر مقایسه گردیده است. نتایج به دست آمده از اجرای الگوریتم‌ها حاکی از آن است که علیرغم توانایی بالای الگوریتم‌‌های مورد بررسی در بهینه‌سازی سبد سهام، الگوریتم SOS در مقایسه با سایر الگوریتم‌‌های مورد بررسی توانایی بالاتری در بهینه‌سازی سبد سهام دارد

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

سبد بهینه سهام با استفاده از معیار ارزش در معرض خطر: شواهدی از بورس اوراق بهادار تهران

سنجه ارزش در معرض خطر به عنوان یکی از معیارهای سنجش ریسک، می تواند در تعیین سبد بهینه سهام مورد استفاده قرارگیرد. هدف اصلی این مطالعه تعیین پرتفوی بهینه سهام با استفاده از معیار ارزش در معرض خطر است . در این چارچوب ، از داده های قیمت هفتگی سهام 17 شرکت سیمانی منتخب، که اطلاعات آنها در دوره زمانی مورد بررسی(از دی ماه 1391 تا فروردین ماه 1396 ) کامل بوده، استفاده شده است.بدین منظورابتدا برای هر س...

full text

انتخاب سبد سهام با استفاده از تئوری دمپستر شفر (مطالعه موردی: شرکتهای پذیرفته شده در بورس اوراق بهادار تهران)

مدل بازده – ریسک مارکویتز برای انتخاب سبد سهام در سال های اخیر مورد انتقاد قرار گرفته است.زیرا که عوامل  بسیاری به‌صورت مستقیم یا غیرمستقیم بازار سهام را تحت تأثیر قرار می‌دهند و حرکات قیمت‌های دارایی را خیلی نامطمئن و غیرقابل‌پیش‌بینی می‌سازد. لذا هدف از انجام این تحقیق بررسی انتخاب سبد سهام از شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران با استفاده از تئوری دمپستر شفر بوده است. این تحقیق ب...

full text

بهینه‌سازی سبد سهام با استفاده از الگوریتم بهینه‌سازی مبتنی بر آموزش و یادگیری (TLBO) در بورس اوراق بهادار تهران

افزایش بازده و کاهش ریسک، همواره یکی از مهم‌ترین مسائلی است که سرمایه‌گذاران در بازارهای مالی به آن توجه می‎کنند. با وجود سابقۀ طولانی بهینه‌سازی سبد سهام، الگوریتم بهینه‌سازی مبتنی بر آموزش و یادگیری که در سال 2010 معرفی شده است، یکی از کاراترین روش‌های فرا‌ابتکاری، برای حل مسائل بهینه‌سازی است. در این پژوهش، سعی شده است مسئلۀ بهینه‌سازی سبد سهام، در چارچوب مدل معرفی شدۀ مارکوویتز، با استفاده ...

full text

رویکردی فراابتکاری برای انتخاب سبد سهام با اهداف چندگانه در بورس اوراق بهادار تهران

  This paper presents a novel metaheuristic method for solving an extended Markowitz portfolio selection model. In the extended model, the objective function has been modified to include realistic objectives and four additional sets of constraints, i.e., bounds on holdings, cardinality, minimum transaction lots, and liquidity constraints have been also included. The first set of constraints gua...

full text

انتخاب یک سبد سهام از بین سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل بهینه‌سازی الگوریتم ژنتیک

انتخاب سبد سهام عمل دشوار و سختی در مبحث سرمایه‌گذاری است. در این فرآیند سرمایه‌گذار خود را در مقابل انتخاب‌های زیاد و بی‌نهایت گوناگونی می‌بیند که باید یکی از آنها را به عنوان بهترین روش انتخاب نماید. تصمیم‌گیری در خصوص این که کدام سهم در مقایسه با سایر سهام در وضعیت بهتری قرار دارد و شایستگی انتخاب شدن و قرار گرفتن در سبد سرمایه‌گذاری فرد را دارد و نحوه تخصیص سرمایه بین این اوراق، مباحثی پیچی...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 10  issue 38

pages  87- 110

publication date 2017-09-23

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