توسعه الگوریتم های فرا ابتکاری شیرمورچه- ژنتیک و PBILDE جهت بهینه‌سازی سبد سهام در بورس اوراق بهادار تهران

Authors

  • امیر دانشور استادیار گروه مدیریت صنعتی، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران
  • جعفر رحمانی کارشناس ارشد مدیریت فناوری اطلاعات، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران
  • مهدی همایونفر استادیار گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
Abstract:

در مطالعات مالی، سبد سهام را می­توان به معنی مجموعه­ی سرمایه­گذاری­هایی دانست که توسط یک فرد و یا یک موسسه انتخاب و پذیرفته می­شود. انتخاب سبد سهام یکی از اصلی­ترین دغدغه­های سرمایه­گذاران در بازارهای مالی است. مدل میانگین- واریانس با مؤلفه­های مقید به عنوان یکی از مدل­های اصلی در حل مسأله بهینه­سازی سبد سرمایه شناخته می­شود. این مدل از لحاظ پیچیدگی، از نوع مسائل غیرخطی چند جمله­ای NP-hard است که به صورت دقیق قابل حل نیستند. در این پژوهش با استفاده از الگوریتم ترکیبی شیرمورچه- ژنتیک (ALOGA) و الگوریتم ترکیبی یادگیری افزایشی مبتنی بر جمعیت و تکامل تفاضلی (PBILDE)که از مدل­های فرا ابتکاری نوین در حل مسائل بهینه­سازی هستند، برای بهینه­سازی سبد سرمایه­گذاری با هدف افزایش بازده­ و کاهش ریسک استفاده شده است. از میان 591 شرکت حاضر در بورس اوراق بهادار تهران، 150 شرکت در بازه زمانی فروردین 1391 الی اسفند 1393 با استفاده از روش غربالگری به عنوان نمونه نهایی انتخاب شدند. داده­های مربوط به این شرکت­ها توسط الگوریتم­های بکار رفته در تحقیق مورد تجزیه و تحلیل قرار گرفت و کارآیی آنها با یکدیگر مقایسه گردید. نتایج پژوهش حاکی از آن است که الگوریتم­­های ALOGA و PBILDE کارایی مناسبی برای حل مسأله­ی بهینه­سازی سبد سهام دارند. بعلاوه، با استفاده از الگوریتم ALOGA می­توان با دقت و کارایی بالا سبد سهام بهینه تشکیل داد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بهینه سازی میانگین متحرک قیمت سهام در بورس اوراق بهادار تهران : رهیافت روش فرا ابتکاری الگوریتم ژنتیک بهبود دهنده ی تطبیق پذیر

برای پیش بینی قیمت سهام، ابزارهای تکنیکال، مورد استفاده بوده و یکی از کاربردی ترین آنها، میانگین های متحرک می باشد. استفاده از دو میانگین متحرک، متداول ترین روش برای یافتن نقاط خرید و فروش به موقع بوده که نیازمند دو طول دوره های زمانی می باشد. طولهای بهینه برای دو دوره زمانی کوتاه مدت و بلند مدت برای هر سهم، با توجه به روند قیمتی اخیر آنها، متفاوت است. یافتن این طولهای بهینه با روشهای سنتی، هزی...

full text

مدل فازی عصبی با ترکیب الگوریتم ژنتیک جهت پیش بینی قیمت سهام در صنعت خودرو در بورس اوراق بهادار تهران

تعیین زمان بهینه و قیمت مناسب خرید و فروش سهام نقش بسزایی در تصمیمات سرمایه‌گذاری در بازار سرمایه و سود و زیان سرمایه‌گذار دارند. می‌توان از سیستم‌های هوشمند غیرخطی همچون شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک برای پیش‌بینی تغییرات قیمت سهام استفاده نمود. در این مقاله به طراحی و ارائه یک مدل پیش‌بینی قیمت سهام با استفاده از سیستم استنتاج عصبی فازی انطباقی و ترکیب آن با الگوریتم ژنتیک...

full text

بهینه‌سازی پرتفوی متشکل از سهام صندوق‌های سرمایه‌گذاری مشترک بورس اوراق بهادار تهران با رویکرد الگوریتم ژنتیک

گسترش و پیچیدگی روزافزون بازارهای مالی، تصمیم‌گیری در خصوص انتخاب نوع دارایی را برای سرمایه‌گذاران دشوار نموده است؛ از سویی بر اساس نظریه مدرن پرتفوی، متنوع سازی سرمایه­گذاری­ها می‌تواند منجر به کاهش نوسان­ها در عین حفظ متوسط بازده گردد. همچنین با توجه به پیچیده شدن و سرعت عوامل تأثیرگذار، تشکیل پرتفوی بهینه با روش‌های سنتی کار دشواری است. هدف این پژوهش بهینه‌سازی پرتفوی متشکل از سهام صندوق‌های...

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

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

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

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 9  issue 34

pages  381- 404

publication date 2018-03-21

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