بهینه سازی سبد سهام با تلفیق تحلیل پوششی دادهها و روش تصمیمگیری هورویتز
Authors
Abstract:
مسئله بهینهسازی سبد سهام یکی از جذابترین مسائل مالی و سرمایهگذاری است. منظور از بهینهسازی سبد سهام، تعیین شرکتها و میزان سهمی است که یک سرمایهگذار میتواند خریداری نماید به گونهای که از منافع سرمایه خود استفاده کرده و از خطرات آن اجتناب نماید. از نقطهنظر ریاضی مدل مارکوویتز مهمترین مدل بهینه-سازی سبد سهام است. علیرغم اهمیت این مدل، میتوان آن را به جهت اتکا بر بازده تاریخی، که لزوما منعکسکننده وضعیت واقعی شرکت نیست، مورد انتقاد قرار داد. این پژوهش را میتوان از معدود پژوهشهایی طبقه بندی کرد که بازده تاریخی شرکتها را مبنای تصمیمگیری برای بهینهسازی قرار نمیدهند. این پژوهش با استفاده از تکنیک تحلیل پوششی دادهها و روشهای تصمیمگیری چند معیاره به حل مساله بهینه-سازی میپردازد. در گام اول نسبتهای مالی مناسب بهعنوان ورودی و خروجی در تحلیل پوششی دادهها بهکار گرفته میشوند و پس از آن با استفاده از وزنهای بهینه به محاسبه کارایی متقاطع برای هرواحد میپردازد. در ادامه از ماتریس کارایی متقاطع بهعنوان یک ماتریس تصمیم، تعبیر شده که براساس آن میتوان شرکتها، را گزینه قلمداد کرد و با معیارهای متعدد مورد ارزیابی قرار داد. بر این مبنا و براساس تفسیری که از کارایی متقاطع ارائه میشود روشهای تصمیمگیری بیشینه کمینه، بیشینه بیشینه و هورویتز بهعنوان روش بهینهسازی سبد سهام به کار گرفته میشوند و در پایان عملکرد سبدهای پیشنهادی با روشهای فوق با دو شاخص شارپ و جنسن بررسی میشوند. نتایج پژوهش نشان از موفقیت سبد پیشنهادی روش بیشینه بیشینه و برخی از سبدهای پیشنهادی روش هورویتز نسبت به سبد بازار دارد.
similar resources
بهینه سازی سبد سهام با تلفیق تحلیل پوششی داده ها و روش تصمیم گیری هورویتز
مسئله بهینه سازی سبد سهام یکی از جذاب ترین مسائل مالی و سرمایه گذاری است. منظور از بهینه سازی سبد سهام، تعیین شرکت ها و میزان سهمی است که یک سرمایه گذار می تواند خریداری نماید به گونه ای که از منافع سرمایه خود استفاده کرده و از خطرات آن اجتناب نماید. از نقطه نظر ریاضی مدل مارکوویتز مهمترین مدل بهینه-سازی سبد سهام است. علی رغم اهمیت این مدل، می توان آن را به جهت اتکا بر بازده تاریخی، که لزوما من...
full textبهینه سازی سبد سهام با استفاده از روش تبرید شبیه سازی شده
مسئلۀ بهینهسازی مارکویتز و تعیین مرز کارای سرمایهگذاری، هنگامیکه وضعیت و محدودیتهای دنیای واقعی در نظر گرفته شود، به سادگی با استفاده از شیوههای دقیق ریاضی، مانند برنامهریزی درجۀ دوم، حل نمیشود. از سوی دیگر، اغلب مدیران ترجیح میدهند به جای مدیریت سبد بسیار بزرگ، سبد کوچکی از داراییها را اداره کنند. این مسئله را میتوان به محدودیتهای کاردینال، یعنی محدودیتهای حداقل و حداکثر تعداد دار...
full textارائه یک روش ترکیبی از تاپسیس فازی و تحلیل پوششی دادهها و برنامهریزی عدد صحیح برای انتخاب سبد پروژه
بحث انتخاب و برنامهریزی پروژه و تخصیص منابع محدود سازمان به پروژهها از مباحث بسیار با اهمیت درارتباط با مدیریت پروژهها در سازمانهای پروژه محور میباشد. این چنین سازمانهایی برای اجرای سیاستها واهداف خود و برای رشد و بقا و به اجرا در آوردن برنامههایشان، خود را ملزم به برنامهریزی و کنترل آن درراستای ماموریت و استراتژی سازمان مییابند. که گاهی این برنامهها در مقام اجرا بصورت پروژههایی نمایانخواهند شد...
full textبهینه سازی سبد سهام با رویکرد ترکیبی روشهای تحلیل تکنیکال و داده کاوی
سرمایهگذاری در بورس اوراق بهادار، بخش مهمی از اقتصاد کشور را تشکیل میدهد. افزایش سود و کاهش ریسک سرمایهگذاری در بورس همیشه مهمترین دغدغه سرمایهگذاران بوده است. همچنین بازارهای بورس نه تنها از پارامترهای کلان بلکه از هزاران عامل دیگر نیز متأثر میشوند. این تحقیق به دنبال ارائه مدلی است که در آن پتانسیل آتی سهام با در نظر گرفتن شاخصهای تحلیل تکنیکال بهوسیله شبکه عصبی فازی پیشبینی میشود و...
full textبهینهسازی سبد سهام با تلفیق کارایی متقاطع و نظریۀ بازیها
مسئلۀ بهینهسازی سبد سهام، یکی از مهمترین مسائل سرمایهگذاری است. اغلب مدلهای ریاضی که برای حل این مسئله ارائه شدهاند، بر مبنای سوابق بازده سهمها به حل مسئله پرداختهاند. به تازگی، استفادۀ کارایی متقاطع حاصل از مدلهای تحلیل پوششی دادهها بهجای سوابق بازده، در کانون توجه قرار گرفته است. در این پژوهش جدول کارایی متقاطع که مجموعۀ نشانگرهایی از وضعیت هر شرکت در شرایط محتمل آینده است، بهعن...
full textMy Resources
Journal title
volume 1 issue 4
pages 143- 165
publication date 2017-01-01
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