معمولاً مدیران سرمایه گذاری نهادهای مالی علاقمند به شناسایی شرکتهای برتر می باشند، تا با انتخاب آنها در سبد سهام خود ضمن پوشش ریسک های محتمل، بازده مناسبی را کسب کنند. سئوال اساسی این است که چگونه می توان شرکتها را غربال کرد و اصولاً شرکتهای برتر کدامند؟ به همین منظور در این پایان-نامه یک مدل بدیع غربال سهام با استفاده از تکنیک تصمیم گیری چند معیاره و فرآیند تحلیل شبکه ای طراحی گردیده است. در این مدل از 5 خوشه کارائی عملیاتی، سودآوری، ریسک، رشد و بازار استفاده شده است. خوشه های مذکور شامل 21 گره و زیر معیار می باشند که عملکرد شرکت را در 5 حوزه مورد اشاره نشان می دهند. پس از مشورت با خبرگان و استفاده از تکنیک فرآیند تحلیل شبکه ای، 18 مورد از معیارها بعنوان معیارهای موثر در مدل شناسایی شدند که برای امتیاز دهی به هریک از شرکتها مورد استفاده قرار گرفتند.نتایج مدل پیشنهادی غربال سهام با نتایج مدل رتبه بندی شرکت ایران تحلیل که یکی از شرکتهای برتر در زمینه تحلیل بازار بورس اوراق بهادار ایران می باشد، برای 10 شرکت از صنایع خودرو مورد مقایسه قرار گرفت. بررسی نشان داد در سطح اطمینان 95% همبستگی ضعیفی بین نتایج دو مدل وجود دارد. به منظور اعتبار سنجی و تخمین کارآمدی دو مدل، بنا به اهمیت سود آوری سهام برای سرمایه گذار، یک شاخص سود آوری تعریف شد، و دو مدل مورد مطالعه با این شاخص مورد ارزیابی قرار گرفتند. نتایج نشان دادند که کارآمدی مدل پیشنهادی غربال سهام نسبت به مدل رتبه بندی شرکت ایران تحلیل بیشتر می باشد.

هدف اصلی این تحقیق بررسی ساختار سرمایه بر اساس تئوری زمان بندی بازار و تبیین عوامل تعیین کننده ساختار سرمایه بر اساس این تئوری در شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. تئوری زمان بندی بازار بیان می کند که شرکت ها هنگام انتشار سهام زمان بندی می کنند. به عبارتی زمان انتشار سهام را تعیین می کنند. بدین صورت که برای مقاطعی از زمان که نسبت های mtb آنها بالا هستند اقدام به انتشار سهام می کنند. زیرا مدیران اعتقاد دارند که سهام برخی از شرکت ها بیش از واقع ارزشگذاری می شوند. بنابراین نوسانات موقتی در ارزش بازار می تواند باعث تغییرات دائمی در ساختار سرمایه شود. در این تحقیق با استفاده از اطلاعات مالی 101 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 1378 تا 1386 و با بهره گیری از روش تجزیه و تحلیل رگرسیون خطی چند متغیره تئوری زمان بندی بازار آزمون شده است. نتایج تحقیق بیانگر عدم وجود رابطه معنادار بین ارزش های گذشته بازار با ساختار سرمایه و تغییرات ساختار سرمایه است. همچنین بین زمان انتشار سهام با نسبت ارزش بازار به ارزش دفتری بالای شرکت رابطه معنادار وجود ندارد که برخلاف تئوری زمان بندی بازار است. واژه های کلیدی: ساختار سرمایه، تئوری های ساختار سرمایه، تئوری زمان بندی بازار، نسبت ارزش بازار به ارزش دفتری.

صندوق های سرمایه گذاری مشترک از جمله ی مهمترین و تأثیرگذارترین نهادهای مالی در بازارهای سرمایه هستند. از آن جهت که ارزیابی عملکرد این صندوق ها در سالیان اخیر به یکی از مسائل پرکاربرد تبدیل شده در این پایان نامه روش بهینه سازی پرتفوی در این زمینه بررسی شده است. به عنوان اوّلین مرحله، شش مشخّصه مربوط به عملکرد این صندوق ها یعنی میانگین بازده، واریانس، نیم واریانس، نرخ گردش سرمایه، معیار ترینور و معیار شارپ در نظر گرفته شده و از دو تکنیک ward و k-means جهت گروه بندی استفاده شده است. سپس با استفاده از منطق فازی متغیّرهای میانگین بازده، واریانس و نیم واریانس به صورت اعداد فازی مثلّثی تعریف شده اند و دو مدل بهینه سازی پرتفوی میانگین- واریانس و میانگین- نیم واریانس نوشته شده است. از آن جهت که مدل های مذکور فازی، چندهدفه و غیر خطّی هستند ابتدا روش برش ? مورد استفاده قرار گرفته و سپس برای حلّ مدل ها از روش برنامه ریزی فازی استفاده شده است. با فرض مقادیر مختلف برای توابع هدف بازده و ریسک جواب های بهینه ی پارتو به دست آمده اند. روش مذکور روی 92 صندوق سرمایه گذاری مشترک موجود در بورس نزدک به انجام رسیده است که نتایج نشان می دهند به کارگیری این روش گروهی کوچک از صندوق ها را به عنوان گروه برتر معرّفی کرده و درصدهای سرمایه گذاری در هر گروه را تعیین می کند. هم چنین نتایج اهمّیت تکنیک گروه بندی را در جواب های نهایی نشان می دهند هر چند معیارهای ریسک مختلف جواب های مشابهی را نتیجه می دهند.

تامین نقدشوندگی یک از کارکردهای اصلی بازارهای بورس اوراق بهادار است و سرمایه گذاران همواره خواستار سهمی هستند که بتوانند با کمترین هزینه ممکن آن را معامله کنند. سرمایه گذاران هم به دلیل ریسک جدا نشدنی سرمایه گذاری انتظار بازده دارند. لذا برای سرمایه گذاران آگاهی از ریسک و بازده سرمایه گذاری از اهمیت ویژه ای برخوردار است. عدم نقد شوندگی یک دارایی مالی نیز در واقع نوعی ریسک برای آن محسوب می شود که انتظار می رود سرمایه گذاران به ازای تقبل ریسک بازده کسب کنند. هدف از این تحقیق ، تبیین تاثیر پذیری بازده از نقد شوندگی سهام و بررسی ارتباط بین این دو متغیر است. تمایل به بررسی این مسآله از این واقعیت نشآت گرفته که نقدشوندگی سهام در بورس اوراق بهادار تهران یکی از دغدغه های اصلی سرمایه گذاران می باشد. این پژوهش بر روی کلیه شرکتهای پذیرفته شده در بورس اوراق بهادار تهران که در طی سالهای 1383 تا 1387 نمادشان درج گشته بود صورت گرفت. در این تحقیق سه معیار نقدشوندگی نسبی بازار ، گردش و عدم نقدشوندگی آمیهود در مدلهای مجزا تعریف شده اند. پژوهش با به کارگیری روش های آماری و اقتصاد سنجی چون رگرسیون چند متغیره و تحلیل همبستگی توسط نرم افزار eviws6 آزموده شده اند. نتیجه بدست آمده ریسک نقدشوندگی بر بازده اضافی سهام تاثیر گذار بوده و وجود صرف ریسک نقدشوندگی سبب انتظار بازده اضافی می شود. به عبارت دیگر سرمایه گذار با تحمل ریسک نقدشوندگی سهام ، انتظار بازده دارد، و افزایش عدم نقدشوندگی در طول زمان موجب می شود سرمایه گذاران بازده بیشتری طلب کنند.

نظریه انتخاب پورتفوی بهینه از دهه 1950 تا کنون بخش مهمی از تحقیقات را به خود معطوف کرده است. در طی این سالها، با توجه به نیازهای سرمایه گذار و مشکلات دنیای واقعی، مسائل مختلفی مدل شده و برای حل آنها روشهای متنوعی ارائه و توسعه یافت. از جمله مواردی که در اکثر مدل های ارائه شده می توان دید، لحاظ کردن ریسک و بازده سرمایه گذاری در مدل ها می باشد. در مدل های مختلف با توجه به ترجیحات سرمایه گذار و برای برآوردن نیاز های او توابع هدف متنوع و محدودیت هایی نیز به مدل ها اضافه گردید. در این پایان نامه، یک مدل چند هدفه با محدودیت های مناسب برای ارضای نیاز های سرمایه گذار در نظر گرفته شده است. اهداف در نظر گرفته شده در مدل عبارتند از حداکثر کردن بازده، حداقل کردن ریسک و حداقل کردن تعداد دارایی در پرتفوی است. در این تحقیق با دو رویکرد متفاوت، مدل ارائه شده مورد ارزیابی قرار گرفته است. رویکرد اول به این صورت است که ابتدا یک مدل چند هدفه ( با اهداف فوق الذکر) و با محدودیت "حد بالا و پایین برای نسبت سرمایه گذاری هر سهم داخل پرتفوی" مورد ارزیابی قرار گرفته و مزایا و معایب آن بررسی شده است. از طرفی در رویکرد دوم از یک فرایند دو مرحله ای استفاده شده است، به این صورت که ابتدا تعداد سهام انتخاب شده از بورس اوراق بهادار تهران بوسیله الگوی خوشه بندی به خوشه هایی که از نظر سطح بازده (اختلاف سطوح بازده) به هم نزدیک ترند، انتخاب شده و در خوشه های مورد نظر قرار می گیرند، در مرحله بعد از داخل خوشه های تشکیل شده اولیه، سهام انتخاب می گردد و یک پورتفوی نزدیک به بهینه که ارضا کننده نیاز های مساله باشد تشکیل می شود. در مورد الگوریتم های مورد استفاده برای حل مدل ارائه شده باید گفت، از آنجایی که این مساله ترکیبی از مساله گسسته (صفر و یک) به خاطر بهینه کردن تعداد سهام در پورتفوی و پیوسته نیز می باشد و جزء مسائل در ابعاد بزرگ است، لذا از نظر سختی محاسباتی جزو گروه np-hard قرار می گیرد. از طرفی روش های حل دقیق برای مسائل با ابعاد بزرگ کارایی خودشان را از دست می دهند. در این پایان نامه از الگوریتم فرا ابتکاری شبیه سازی تبرید(simulated annealing) برای حل مدل استفاده شده و با حل مساله توسط لینگو(lingo) مورد مقایسه قرار می گیرد. قابل ذکر است که جامعه آماری در این تخقیق، بازار بورس اوراق بهادار تهران بوده و از آن 90 سهم به صورت تصادفی انتخاب شده است . نتایج بدست امده از این تخقیق به این صورت بوده که نتایج حاص از لینگو و شبیه سازی تبرید نزدیک به هم بوده و شبیه سازی تبرید در مدت زمان کوتاه تری به جواب رسیده است.

1-مقدمه ارزش در معرض ریسک(value at risk(var)) یک معیار بسیار محبوب در بین سنجه های مختلف ریسک است بدلیل اینکه به آسانی قابل درک بوده و مفهوم آن مقدار پولی است که که با یک احتمال مشخص و در زمان معین احتمال از دست دادن آن وجود دارد.جوریون(2000) مطالعات متعددی بر روی این شاخص ریسک سنجی انجام داده است. در این پژوهش ، با استفاده از سریهای زمانی فازی و مدل garch، ارزش در معرض ریسک(var) برای پرتفوی فرضی متشکل از سهام سه شرکت خودرویی ( ایران خودرو، سایپا و بهمن) و نیز شاخص کل بورس تهران که واریانس ناهمسانی شرطی نیز در آن ها مشاهده می شود، برآورد می گردد. در این پژوهش، بر رویکرد پارامتریک برای محاسبه var تمرکز می شود. 2-متدولوژی تحقیق 2-1)انتخاب پرتفوی مورد مطالعه 2-2)برآورد بازده پرتفوی و بررسی مانایی داده ها 2-3)برآورد مدل توضیح دهنده بازده پرتفوی (arma) 2-4)مدل سازی نوسانات بازدهی پرتفوی با استفاده از مدل garch 2-5)پیش بینی ارزش پرتفوی با استفاده از سریهای زمانی فازی و دنباله فیبوناچی 2-6)برآورد مدل ارزش در معرض ریسک پرتفوی بصورت روزانه 2-7)انجام آزمون های پیش آزمایی و تحلیل نتایج 3- پیش بینی قیمت سهام با استفاده از سریهای زمانی فازی به کمک دنباله فیبوناچی برای پیش بینی ارزش آتی پرتفوی و شاخص کل از مدل سری های زمانی فازی (tai-liang chen، 2007) استفاده شده است. نتایج حاصل بیانگر دقت بالای نتایج پیش بینی می باشد. برای ارزیابی دقت پیش بینی، از rmse (ریشه خطای توان دوم میانگین ) استفاده شده است . rmse نام سهم 33/19 خودرو 68/14 گروه بهمن 17/21 سایپا 79/20 پرتفوی 20/51 شاخص 4-بررسی مانایی داده ها و آزمون ریشه واحد برای آزمون های مانایی و ریشه واحد، آزمون دیکی فولر بکار برده شده است که نتایج حاصل بیانگر مانایی داده ها و عدم وجود ریشه واحد است . 5-پیش بینی نوسانات بازده با استفاده از مدل garch با استفاده از مدل اتورگرسیو میانگین متحرک (arma) بهترین معادله توضیح دهنده بازدهی تخمین زده سپس معادله عمومی نوسانات بازدهی garch(1,1) را بدست می آوریم 6- پیش بینی ارزش در معرض ریسک پس از مدل سازی نوسانات با استفاده از روش garch(1,1) با استفاده از روابط زیر ، var روزانه پرتفوی و شاخص کل محاسبه می شود: ? (var) ??_t=-p ?_(t+1)*(?_t-?_t z_? )نرمال توزیع (var) ?_t=-p ?_t*(?_t-?((v-2)/v) ?_t t_(?,v) )t-studentتوزیع 7- اعتبارسنجی مدل در این پایان نامه از آزمون کوپیک برای بررسی دقت مدل و از آزمون کریستوفرسن برای بررسی دقت مدل و استقلال تخطی ها استفاده می شود . بر اساس آزمون کوپیک و بر اساس نتایج مشاهده شده در سطوح اطمینان 99% ، 5/97% و 95% با توجه به اینکه آماره آزمون نسبت احتمال شکستهای کوپیک، کوچکتر از توزیع کای دو با یک درجه آزادی و سطح خطای 1% ،2.5 % و 5% است بنابراین مدل ریسک را صحیح برآورد کرده است. 8-نتایج 8-1)پیش بینی قیمت سهام با استفاده از سریهای زمانی فازی به کمک دنباله فیبوناچی از نظر دقت در سطح بالایی از صحت قرار دارد که می توان با این روش به پیش بینی ارزش سهام و پرتفوی در بورس تهران پرداخت. 8-2)تلفیق مدل پیش بینی سری زمانی فازی و مدل نوسانات garch(1,1) برای محاسبه ارزش در معرض ریسک پارامتریک نتایج قابل قبولی را ارائه نمود و بیانگر صحت برآورد ارزش در معرض ریسک می باشد. 8-3)تخطی های مشاهده شده در برآورد ریسک بیانگر استقلال آنها، صحت و کفایت مناسب سنجه ریسک مدل جدید است.

هدف از حل مدل های انتخاب پرتفوی، ارائه ی مجموعه ای از جوابها (پرتفوی های مختلف با ریسک و بازده گوناگون) به تصمیم گیرنده (سرمایه گذار) جهت انتخاب پرتفوی مورد نظر می باشد. در مدل پایه مارکویتز که یک مدل تک هدفه می باشد چنانچه به ازاء مجموعه ای از مقادیر سطح حداقلی بازده، مدل به طور مکرر حل شده و نمودار بازده-ریسک پرتفوی به ازاء جوابهای مختلف ترسیم شود، به مجموعه نقاطی تحت عنوان مرز کارا دست می یابیم که به سرمایه گذار این امکان را می دهد، بر اساس نیازمندی ریسک / بازده خاصی پرتفوی خود را بر اساس آن انتخاب نماید که این انتخاب به ریسک گریزی و ریسک پذیری سرمایه گذار بستگی دارد. در تئوری های نوین سرمایه گذاری، سرمایه گذاران قادرند علاوه بر خرید دارایی های در دسترس، برخی دارایی هایی را که در حال حاضر در اختیار ندارند را نیز فروخته و از درآمد حاصل از آن در دارایی های دیگر سرمایه گذاری نمایند که این امر فروش استقراضی نامیده می شود. از این رو ساز و کار مدل سازی و تعیین مرز کارا در این حوزه برای سرمایه گذاران از اهمیت برخوردار می باشد. در این تحقیق با فرض مجاز بودن فروش استقراضی (آزاد بودن اوزان سرمایه گذاری)، مدلی در حوزه مسائل انتخاب پرتفوی ارائه دادیم که سه وضعیت (خرید، فروش استقراضی و نه خرید و نه فروش) را برای هر یک از سهام در برداشته و همچنین علاوه بر دو محدودیت تئوری بازده و بودجه، برخی محدودیتهای کاربردی همانند محدودیت تعداد سهام در پرتفوی و محدودیت سقف و کف را نیز در نظر گیرد. در شرایط مجاز بودن فروش استقراضی در بازار بورس، مدل پیشنهادی به سرمایه گذاران این امکان را خواهد داد که در شرایط بحرانی هنگامیکه پیش بینی می شود قیمت سهام برخی از شرکت ها در بازار بورس افت نماید، تصمیمات صحیح را در خصوص نحوه سرمایه گذاری در سهام در دسترس اتخاذ نمایند. با توجه به پیچیدگی محاسباتی مدل ارائه شده، 3 الگوریتم فراابتکاری hs، ihs و iwo جهت حل آن معرفی گردید. مقایسه نتایج حاصل از حل مدل با این 3 الگوریتم حاکی از عملکرد یکسان آنها در ارائه جواب بود.

پیش بینی ورشکستگی شرکت ها ، یکی از موضوعات مورد توجه محققان و بنگاه های اقتصادی به ویژه بانک ها و سایر نهادهای مالی می باشد. .هدف از این پژوهش بررسی توانایی مدل رگرسیون ریج در جهت پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران ، مقایسه بین مدل فوق با مدل های آلتمن، اسپرینگیت، فالمر و شیراتا و در نهایت اولویت بندی بین مدل ها با توجه به میانگین درصد اطمینان و خطای کل در یک تا سه سال قبل از ورشکستگی)عدم ورشکستگی) متناسب با شرایط محیطی و اقتصادی بورس اوراق بهادار تهران می باشد. نتایج تحقیق به این صورت می باشد:میانگین درصد اطمینان کل برای مدلهای رگرسیون ریج،آلتمن،اسپرینگیت، فالمر و شیراتا به ترتیب 98%،89%،72%، 55%و 62% می باشد.

عوامل بسیار زیادی وجود دارند که معامله گران بازار سرمایه آنها را به منظور تصمیم گیری برای تعیین زمان ورود به بازار و خروج از آن در نظر می گیرند که اکثر آنها در اهمیت این عوامل با یکدیگر اختلاف نظر دارند. بنابراین، نیاز به یک سیستم تصمیم ساز که بتواند شاخص ها و مبانی را به عنوان ورودی در یافت و به صورت نظام مند در تصمیم گیری برای تعیین زمان ورود و خروج، معامله گران را یاری نماید، به شدت احساس می شود. هدف از انجام این تحقیق، ایجاد یک مدل برای برای بهینه سازی سود حاصل از معاملات سهام بر اساس تحلیل تکنیکی می باشد. در این تحقیق، 8 شاخص رایج تحلیل تکنیکی برای تولید سیگنال خرید و فروش در هر قیمت پایانی مورد استفاده قرار می گیرند. با توجه به اینکه استفاده همزمان از شاخص ها برای انجام معاملات از اهمیت زیادی برخوردار است، به هر یک از شاخص ها وزنی اختصاص می یابد. با گرفتن میانگین وزنی سیگنالهای شاخص ها سیگنال نهایی خرید و فروش ایجاد می گردد. سپس، با استفاده از ابزارهای مهم الگوریتم ژنتیک، nsgaii و nrga، بهینه سازی وزن ها به گونه ای صورت می گیرد که سود کل حاصل از معاملات بهینه گردد. در الگوریتم های nsgaii و nrga بیشینه سازی دو تابع هدف سود معاملات و نسبت شارپ صورت می گیرد. پس از اجرای الگوریتم ها، در حالت الگوریتم ژنتیک با یک تابع هدف، استراتژی های مختلف معاملاتی با یکدیگر و با استراتژی خرید و نگهداری سهم و خرید دارایی بدون ریسک مقایسه می گردند و استراتژی برتر تعیین می گردد. در الگوریتم های nsgaii و nrga پس از اجرای مدل نتایج الگوریتم ها با یکدیگر و با استراتژی خرید و نگهداری و خرید دارایی بدون ریسک مقایسه می گردد. در نهایت کارایی الگوریتم های nsgaii و nrga با محاسبه شاخص های کارایی آنها با یکدیگر مقایسه می شوند. نتایج تحقیق نشان می دهد که نتایج حاصل از هریک از الگوریتم ها در همه چارچوب های زمانی بسیار بهتر از استراتژی های خرید و نگهداری و خرید داریی بدون ریسک می باشد و این مدل، تاثیر بسیار زیادی در افزایش سوددهی معاملات در بازار سرمایه دارد. بنابراین می تواند به عنوان ابزاری بسیار قدرتمند برای تصمیم گیری انجام معامله در بازار سرمایه مورد استفاده قرار گیرد. پس از مقایسه شاخص های کارایی دو الگوریتم nsgaii و nrga، نتایج نشان داد که این دو الگوریتم در مدل مذکور، تفاوت معناداری از نظر کارایی با یکدیگر ندارند.

بطور کلی سرمایه گذاری در مجموعه ای از اوراق بهادار یا پورتفوی، بسیار کارآمد تر از سرمایه گذاری در یک سهم می باشد. چون با افزایش تعداد سهام در سبد سرمایه گذاری، ریسک مجموعه کاهش می یابد. علت کاهش ریسک تأثیرات مختلفی است که شرکت های سرمایه پذیر از شرایط متفاوت اقتصادی، سیاسی و اجتماعی می پذیرند. اخیراً الگوریتم های تکاملی برای حل مسائل بهینه سازی چند هدفه مفید شناخته شده اند؛ بنابراین در این تحقیق توانایی الگوریتم های ابتکاری یعنی الگوریتم nsga ii و الگوریتم توسعه یافته دو فازی nsga ii ، برای حل مسأله پیچیده بهینه سازی پورتفوی بررسی می شود. مسأله بهینه سازی پورتفوی یک مسأله بهینه سازی دو هدفه می باشد با اهداف بازده که بایستی ماکزیمم شود و ریسک که بایستی مینیمم شود. درحالیکه عموماً بازده با بازده مورد انتظار پورتفوی اندازه گیری می شود. برای ریسک نیز اندازه های متفاوتی پیشنهاد شده است بطوریکه بعضی از آنها پیچیدگی بیشتری به مسأله اضافه می کنند زیرا آنها توابع مشتق ناپذیر و نامحدب هستند. بعلاوه، محدودیت های اعمال شده به مدل سختی های دیگری را ایجاد می کنند زیرا آنها ناحیه جستجو را به ناحیه نامحدب تبدیل می کنند. نتایج نشان می دهند که الگوریتم های ابتکاری، بطور کلی، برای این نوع از مسائل کارا و قابل اعتماد هستند و عملکرد آنها مستقل از تابع ریسک استفاده شده می باشد.

بازار ارز یکی از بزرگترین و مهمترین بازارهای مالی دنیا محسوب می شود و مانند دیگر بازارهای مالی بایستی از لحاظ کارایی بررسی شود تا درستی سیاست های حاکم بر آن مورد قصاوت قرار گیرند.فرضیه بازار کارا که به عنوان نظریه گشت تصادفی نیز شناخته می شود بیان می دارد که نرخ تبدیل ارزها در یک بازار ارز کارا تمام اطلاعات مربوط به ارز مورد نظر را منعکس می کند ودر این صورت راهی برای بدست آوردن سود غیر متعارف با استفاده از این اطلاعات را باقی نمی گذارد. این پایان نامه فرضیه کارایی ضعیف بازار ارز را با استفاده از تست نسبت واریانس لو و مک کینلی ، تست نسبت واریانس چندگانه چاو و دنینگ و تست نسبت واریانس ناپارامتریک رتبه محور و علامت محور رایت، با استفاده از داده های روزانه نرخ یورو ، پوند انگلیس و ین ژاپن در برابر نرخ ریال ایران در بازار آزاد، در فاصله سالهای 1381 تا 1389 مورد بررسی قرار می دهد. نتایج بدست آمده نشان می دهند که فرض کارایی ضعیف بازار ارز ایران رد می شود.به بیان دیگر بازار ارز ایران پس از یکسان سازی نرح ارز، از کارایی در سطح ضعیف نیز برخوردار نشده است.

گزارشگری مالی یکی از منابع مهم اطلاعاتی برای سهامداران به شمار می رود، زیرابا استفاده از آنها می توان جریانهای نقدی آتی را پیش بینی کرده وقیمت واقعی سهام را بر آورد کرد. علاوه بر گزارشگری مالی شرکتها، سهامداران به نوسان پذیری بازده قیمت سهام شرکتها در بازار نیز اهمیت می دهند، زیرا می تواند مبنای تخمین ریسک بازارقرار گیرد.نوسان پذیری بازده غیر عادی سهام یک شرکت نیز که مختص آن بوده و متاثر از بازار نیست برای سهامداران اهمیت بیشتری دارد.بررسی ارتباط بین کیفیت گزارشگری مالی و نوسان پذیری بازده غیر عادی نشان می دهد که کیفیت سود چقدر در نوسان پذیری بازده غیرعادی موثر است و سهامداران به چه میزان به کیفیت سود شرکتها اهمیت می دهند. در این تحقیق به بررسی ارتباط بین کیفیت گزارشگری مالی و نوسان پذیری بازده غیر عادی پرداخته شد.جامعه مورد آزمون شرکت های پذیرفته شده در بورس اوراق بهادار تهران بوده و دوره تحقیق از سال 84 الی 87 انتخاب گردید و در نهایت 93 شرکت جهت آزمون انتخاب شدند.تحقیق از نوع توصیفی همبستگی بوده است. در نتایج مشخص شد که بین کیفیت سود برآورد شده بوسیله الگوهای "دچو ودیچو" و "توان دوم اقلام تعهدی غیر اختیاری جونز" و"نوسان پذیری بازده غیر عادی" ارتباط معنا داری وجود دارد و ارتباط الگوی توان دوم اقلام تعهدی غیراختیاری جونزکه مثبت بوده ، قوی تر از الگو دچو و دیچوکه منفی بوده می باشد.

در موضوعات مالی، انتخاب سبد سهام به منظور حداکثرسازی سود یکی از اصلی ترین دغدغه های سرمایه گذاران در بازارهای مالی است. مسئله ی بهینه سازی مارکویتز و تعیین مرز کارا، زمانی توسط مدل های ریاضی قابل حل می باشد که تعداد دارایی های سرمایه گذاری و محدودیت های موجود در بازار اندک باشد اما هنگامی که شرایط و محدودیت های دنیای واقعی در نظر گرفته شود، مسئله ی بهینه سازی پورتفوی به راحتی با استفاده از شیوه های ریاضی قابل حل نمی باشد. هدف از تحقیق حاضر نیز ارائه ی ابزاری مفید و کارا برای کمک به متخصصین در مواجهه با چنین مشکلاتی می باشد. در این تحقیق محدودیت های حداکثر تعداد سهام انتخاب شده و نسبت سرمایه گذاری در هر سهام به مدل میانگین-واریانس مارکویتز اضافه شده و این مدل به دلیل تعدد سهام ها و محدودیت های اضافه شده جزوه مسائل np-hard محسوب شده و با مناسب تشخیص دادن روش های فراابتکاری، به اعمال چهار الگوریتم ابتکاری جدید ژنتیک، گروه ذرات، رقابت استعماری و علفهای هرز بر مدل پیشنهادی پرداخته می شود اما در این میان به علت نوسانات و شرایط اقتصادی موجود در جامعه ی آماری پژوهش که 100 سهام پذیرفته شده در شاخص nasdaq از تاریخ 04/01/2011 تا تاریخ 03/06/2011 می باشد، برای هموارسازی داده ها و قابلیت تعمیم نتایج در موارد متفاوت،از روش پیش بینی فازی خاکستری استفاده می شود. نتایج حاصل در گروههای 10، 25 و 50 سهمی مورد بررسی قرار گرفته و فرضیه ی اصلی تحقیق مبنی بر برابری میانگین نتایج حاصل از rpd الگوریتم ها از طریق آزمون کروسکال والیس مورد بررسی قرار گرفت که این نتایج بیانگر تفاوت معناداری در میانگین کلی و دوبه دوی rpd الگوریتم ها می باشد. در نهایت با در نظر گرفتن نتایج بدست آمده، قدرت بالای الگوریتم علف های هرز در تعداد سهام های بالا اثبات و توصیه می گردد.

ارزیابی ریسک اعتباری یکی از مهمترین موضوعات در زمینه مدیریت ریسک مالی می باشد. با توجه به بحران مالی اخیر و نگرانی های نظارتی بازل ii ، ارزیابی ریسک اعتباری، تمرکز اصلی خدمات مالی و صنعت بانکداری شده است. به خصوص برای موسسات اعتباری، مانند بانک های تجاری ، شرکت های اعتباری ، بانک های مرکزی و دولت ها، توانائی تبعیض قائل شدن بین شرکت ها و بانک های ورشکسته از غیر ورشکسته بسیار مهم است. رتبه بندی اعتباری ابزار اصلی برای ارزیابی ریسک اعتباری است. ماشین بردار پشتیبان ، روشی داده محور و یادگیری با نظارت است که نیازی به فرض خاصی در مورد داده ها ندارد. در این پایان نامه، به مطالعه مدل های رتبه بندی اعتباری با ماشین بردار پشتیبان از پنج جنبه پرداخته ایم. 1) ماشین بردار پشتیبان روشی برای تفکیک بین دو طبقه است و برای بکار گیری آن در حالت چند دسته ای از روش یک-درمقابل-یک و یک-درمقابل-بقیه استفاده شده است. 2) به منظور بهبود عملکرد ماشین بردار پشتیبان در برابر داده های نامتعادل ، پارامتر جریمه متفاوت برای هر طبقه در نظر می گیریم. و از آنجا که نسبت نامتعادلی در بین دسته های مختلف متفاوت است و حتی بعضی از آنها تعداد داده های برابری دارند، در نحوه تعیین پارامتر جریمه تمهیداتی در نظر گرفته شده است. در مطالعات قبلی در زمینه طبقه بندی چند دسته ای، برای تمامی طبقات یک پارامتر کرنل تعیین می شده است و تمامی داده ها به یک فضا نگاشت می شود، اما در این پایان نامه با هر دو دسته به طور مستقل رفتار می شود و پارامتر متناسب با آن انتخاب می شود. 3) در ماشین بردار پشتیبان مشکل مناطق غیر قابل طبقه بندی وجود دارد که برای مقابله با آن از تابع عضویت مینیمم و روش ماشین بردار پشتیبان فازی استفاده می شود. نتایج نشان می دهند که ماشین بردار پشتیبان فازی، ماشین بردار پشتیبان معمولی را بهبود می دهد. 4) ماشین بردار پشتیبان نسبت به نوع تابع کرنل حساس است. در این پایان نامه تابع کرنل جدیدی با نام kgpf را معرفی کرده و با کرنل rbf مقایسه می کنیم. نتایج آزمونهای آماری بهبودی در نتایج را نشان نمی دهند.. 5) در نهایت نتایج الگوریتم های مختلف را با روش ادغام رای گیری وزندار ترکیب کرده و نتایج بهتری نسبت به ماشین بردار پشتیبان فازی تولید می کند.

تغییرات قیمت سهام بعنوان یکی از مهم ترین ریسک های مطرح برای بنگاه ها و افرادی است که در بازار سهام فعالیت دارند . از مهم ترین روش ها برای بررسی و مدیریت این نوع ریسک که سرمایه گذاران با آن مواجه هستند ، تخمین ارزش در معرض خطر می باشد . هدف این تحقیق ارایه مدلی مناسب و برتر در تخمین ارزش در معرض خطر می باشد . از آنجا که رویکرد در محاسبه ی ارزش در معرض خطر ، رویکرد پارامتریک است بنابراین این مهم بدون بررسی و پیش بینی نوسانات بازدهی ها محقق نخواهد شد . برای این منظور از مدل های توضیح نوسانات شرطی و میانگین شرطی و مدل های تغییر جهت مارکف که عملکرد خوبی از خود در مباحث مالی نشان داده اند ، استفاده شده است . از دیگر اهداف این تحقیق بررسی عملکرد مدل های بیان شده در توضیح نوسانات بازدهی شاخص کل قیمت در بورس اوراق بهادار تهران می باشد . برای ارزیابی عملکرد مدل ها از روش های رایج و مطرح موجود در ادبیات استفاده شده است . با توجه به نتایج بدست آمده مدل های ترکیبی تغییر رژیم مارکف و garch بهترین عملکرد را از خود هم در تخمین ارزش در معرض خطر و هم در پیش بینی نوسانات و میانگین شرطی ، نشان داده اند . در این تحقیق از توابع توزیع مختلفی استفاده شده که عملکرد توابع توزیع t وt چوله از تابع توزیع نرمال بسیار بهتر بوده است .

معیارهای عملکردی که در این تحقیق به دنبال مینیمم سازی آن ها هستیم هزینه ماشین آلات و نیروی انسانی و شاخص همواری حجم کاری تقسیم شده بین ایستگاه های کاری خط مونتاژ می باشد. در این تحقیق یک الگوریتم شبیه سازی تبرید چندمعیاره که از مفاهیم مقایسه حل ها بر اساس تسلط پارتو و ارزیابی حل ها بر مبنای شاخص نزدیکی نسبی مبتنی بر رویکرد topsis استفاده می کند

سرمایه گذاران به دنبال شناخت سهام مناسب جهت سرمایه گذاری هستند، تشکیل سبد توسط صندوق های سرمایه گذاری و فروش واحد های صندوق یکی از راه های مناسب جهت کمک به سرمایه گذاران است. صندوق های بورسی یکی از انواع صندوق های سرمایه گذاری است که سبدی از سهام با عملکرد مشابه شاخص تشکیل می دهد. هدف این تحقیق ارایه مدل ریاضی مناسب به منظور همگرایی عملکرد صندوق های بورسی به شاخص و کسب بازدهی بالاتر از شاخص می باشد. در مدل ارایه شده محدودیت هزینه معاملات و تعداد سهام تشکیل دهنده شاخص اعمال شده است و با استفاده از الگوریتم های تکاملی یک هدفه و الگوریتم های تکاملی چند هدفه؛ اهداف بیان شده مورد توجه قرار گرفته است. عملکرد الگوریتم های یک هدفه با کمک روش تحلیل پوششی داده ها مورد بررسی قرار گرفته است و ترکیب مناسب برای الگوریتم ها تعیین شده است، الگوریتم های تنظیم شده با یکدیگر مقایسه شده اند و عملکرد آن ها مورد تحلیل قرار گرفته است. نتایج بازدهی به دست آمده نشانگر تعقیب شاخص با کسب بازدهی بالاتر است. با توجه به تحلیل های صورت گرفته تفاوت معناداری در عملکرد الگوریتم ها وجود ندرد. عملکرد الگوریتم های چند هدفه با توجه به معیارهای تعیین شده برای این الگوریتم ها مورد بررسی قرار گرفته است. نتایج به دست آمده نشانگر عملکرد مناسب الگوریتم ها است. الگوریتم های ارایه شده قادر به یافتن نمودار آرشیو با بازدهی بسیاربالا و انحراف بیشتری نسبت به ادبیات هستند که مقدار انحراف از شاخص الگوریتم ها با توجه به مدل سازی متفاوت مورد انتظار است.

بورس های اوراق بهادار و اوراق مشتقه برای کنترل هیجانات بازار و کاهش ریسک اتاق پایاپای، سازوکارهایی را در پیش می گیرند که یکی از آنها استفاده از حدود نوسانات قیمت می باشد که معاملات را در یک محدوده قیمتی مشخص، همراه با حداکثر و حداقل قیمت مجاز ممکن می سازد. پژوهش های انجام شده، کارآیی این روش برای کنترل بازار را زیر سوال برده است. فروضی مطرح شده است که ناقض عملکرد مناسب چنین راهکاری هستند. فرضیه تاخیر در فرآیند کشف قیمت، موید این نکته است که چنین راهکاری در فرآیند کشف قیمت دارایی ها در بازار اختلال ایجاد می کند و یکی از مزیت های اصلی یک بازار کارا را زیر سوال می برد. از سوی دیگر برخی محققین بر این باورند که رسیدن قیمت به حد نوسان بالا (پایین)، و اینکه معاملاتی بعدی در آن قیمت و یا پایین تر (بالاتر) از آن قیمت رخ خواهند داد، خود اخباری است که بازار به آن فراواکنش نشان خواهد داد، و مجددا منجر به معاملات احساسی خواهد شد که کارآیی بازار را مختل می نماید. از سوی دیگر، فرضیه ی دیگری به نام اثر جذب مطرح می گردد که مدعیست با نزدیک شدن به حدود نوسان، حرکت قیمت به سوی این حدود افزایش یافته و اصطلاحا جذب می شوند. به علاوه اینکه فرضیه اثر گسترش نوسانات بر این باور است که با رسیدن قیمت به حد نوسان، در روز معاملاتی بعد، نوسانات بیشتر خواهد شد. در این پژوهش به کمک روش های آماری و اقتصاد سنجی، فروض مطرح شده در بازار آتی آزمون شده و کارآیی حدود نوسان در این بازار در دو افق زمانی با حدود نوسان 3% و 5% مطالعه گردیده است. برای این بررسی از قراردادهای آتی طلا استفاده شد که شواهدی مبنی بر تاخیر در فرآیند کشف قیمت، واکنش تاخیری و اثرجذب دیده شد. همچنین اثر گسترش نوسانات در افق زمانی اول مشاهده ولی در افق زمانی دوم رد شد.

پیش بینی ورشکستگی شرکت ها همواره یکی از موضوعات مورد توجه محققان و بنگاه های اقتصادی به ویژه بانک ها و سایر نهادهای مالی بوده است. مالکان، مدیران، سرمایه گذاران، اعتباردهندگان، حسابرسان و همچنین موسسات دولتی علاقه مند به ارزیابی وضیعت مالی شرکت ها می باشند زیرا در صورت ورشکستگی هزینه های زیادی به آن ها تحمیل خواهد شد. پیش بینی به موقع می تواند تصمیم گیرندگان را در یافتن راه حل و پیش گیری از درماندگی مالی یاری نماید. در سال های اخیر با توجه به تشدید بحران های مالی در ابعاد کلان و خرد اقتصادی نیاز به استفاده از ابزارها و مدل های پیش بینی کننده ورشکستگی برای ارزیابی توان مالی شرکت ها توسط گروه های ذینفع آشکارتر می باشد. هدف از این پژوهش بررسی توانایی مدل های پیش بینی ورشکستگی در جهت پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران و در نهایت اولویت بندی مدل های فوق با توجه به میانگین درصد اطمینان و خطای کل نمونه،و همچنین بررسی آزمون های نیکویی برازش در یک تا سه سال قبل از ورشکستگی)عدم ورشکستگی) متناسب با شرایط محیطی و اقتصادی بورس اوراق بهادار تهران می باشد. مدل های مورد توجه در این تحقیق مدل های زیمسکی ، اوهلسون ،شاموی و ترکیبی می باشد که به ترتیب هر یک از مدل های فوق برای یک، دو و سه سال قبل از وقوع ورشکستگی موردآزمون قرار گرفتند. نتایج تحقیق برای دوره چهار ساله 1385 الی 1388 و آزمون تعداد 64 شرکت ور شکسته و184 شرکت غیر ورشکسته به این صورت می باشد: میانگین درصد اطمینان کل نمونه برای مدل های زیمسکی ، اوهلسون ،شاموی و ترکیبی به ترتیب 98%،94%،95%،93% و درصد میانگین خطای کل نمونه به ترتیب 2%،6%،5%،7% می باشد

تعداد صندوق های سرمایه گذاری در بازار سرمایه ی کنونی روز به روز افزایش می یابد و تصمیم گیری را برای سرمایه گذاران دشوار می نماید. از سوی دیگر هر یک از این صندوق ها مزیت های متنوعی دارند، برای اینکه سرمایه گذار بتواند از این مزیت ها استفاده نموده و همزمان به بازده بالاتر و ریسک پایین تری دست یابد، پرتفویی از صندوق های سرمایه گذاری ایجاد نمودیم. با تشکیل این پرتفوی نیاز امروز بازار سرمایه را نیز رفع می نمائیم. ابتدا صندوق های سرمایه گذاری را خوشه بندی نموده. با تشکیل پرتفویی از صندوق های سرمایه گذاری مساله ای ایجاد شد، با ماهیت np-hard، بنابراین از الگوریتم تکاملی ژنتیک برای حل این مساله استفاده نمودیم. از این رو دو الگوریتم ga و nsga ii را برای حل مسائل مان به کار بردیم. چهار مساله در اندازه های متفاوت را با دو الگوریتم مذکور حل نموده. در نتیجه الگوریتم nsga ii بر ga برتری یافت. برای بررسی کامل تر شرایط بازار معیار های مختلف ریسک را نیز تخمین می زنیم. با تخمین معیار های ریسک واریانس، نیم واریانس و انحراف میانگین، نتایج بیان نمودند، معیار های ریسک نیم واریانس و قدر مطلق انحراف میانگین عملکرد متفاوتی با یکدیگر دارند.

یکی از مهمترین مسائل در حوزه مدرن مالی یافتن روش های موثر برای خلاصه سازی و متصور ساختن داده های بازار بورس می باشد تا بتوان اطلاعات مفیدی در مورد رفتار بازار بدست آورد و در راستای تصمیمات سرمایه گذاری بکار برد. بازار بورس سیستمی پیچیده، ناپایدار، بی نظم و غیر خطی می باشد. تعداد فراوان داده های ارزشمندی که توسط بازار بورس ایجاد می شود محققین را به این واداشته که از روش های مختلف داده کاوی جهت بررسی این موضوع استفاده کنند. هدف از انجام این تحقیق، ایجاد یک سیستم معاملاتی با استفاده از تکنیک های داده کاوی از جمله کشف قوانین پیوستگی به عنوان یک روش نوین و ابزار قوی، به همراه الگوریتم های فراابتکاری می باشد، که بتواند با بررسی روابط بین اندیکاتورها و داده های مالی، سیگنال های معاملاتی تولید کند و سرمایه گذار بتواند با استفاده از این سیستم برای تصمیم گیری، سود حاصل از سرمایه گذاری خود را بیشینه کند. در این تحقیق داده های بازار سرمایه شامل قیمت ها و 11 اندیکاتور مالی رایج تحلیل تکنیکی می باشد که الگوریتمی نوین بر مبنای الگوریتم سیستم ایمنی با ساختار چند لایه و تابع هدفی جدید، برای کشف تعدادی از بهینه ترین قوانین پیوستگی بین داده ها (اندیکاتورها) بکار برده می شود تا یک مدل طبقه بندی برای داده های مالی ایجاد نمود. سپس با استفاده از این مدل طبقه بندی می توان به ازای داده های جدید سیگنال های خرید و فروش گرفت و استراتژی معاملاتی برای سهام متفاوت بدست آورد. در نهایت بازده حاصل از مدل، با بازده معامله خرید و نگه داری آن سهام مقایسه می گردد. نتایج تحقیق نشان می دهد که نتایج حاصل از مدل پیشنهادی برای تمامی سهام انتخابی، بهتر از استراتژی های خرید و نگهداری می باشد. این مدل تاثیر بسیار زیادی در افزایش سوددهی معاملات در بازار سرمایه داشته و می تواند به عنوان ابزاری بسیار قدرتمند برای تصمیم گیری انجام معامله در بازار سرمایه مورد استفاده قرار گیرد. پس از مقایسه ی معیار های کارایی دو الگوریتم ژنتیک و سیستم ایمنی، نتایج نشان داد که این دو الگوریتم در مدل مذکور، از نظر کارایی تفاوت معناداری با یکدیگر دارند.

بیشتر محققان در زمینه زمانبندی پژوهش خود را با این فرض که ماشین ها همیشه در دسترس هستند، انجام داده اند. اما در دنیای واقعی، ممکن است این فرض به سبب برنامه ریزی تعمیرات و نگهداری پیشگیرانه درست نباشد. فرض دیگری که در بعضی صنایع مانند نساجی و خودرو سازی می تواند معتبر نباشد، این است که زمان های آماده سازی را در نظر نگرفته و یا آن را مستقل از توالی دانسته و به زمان پردازش کارها اضافه شود. در این پایان نامه، جریان کارگاهی مختلط همراه با زمان های آماده سازی وابسته به توالی و سیاست های مختلف تعمیرات و نگهداری را مورد بررسی قرار می دهیم. هدف این مسیله کمینه سازی زمان تکمیل کارها یا cmax است. سه الگوریتم ابتکاری و دو الگوریتم فوق ابتکاری برای پیدا کردن جواب بهینه و یا نزدیک بهینه اریه می شود. عملکرد الگوریتم ها به وسیله مقایسه جواب های آنها، ارزیابی می شود. نتایج آزمایشات کامپیوتری در سه خط مشی مختلف تهمیرات و نگهداری پیشگیرانه نشان می دهد که الگوریتم ژنتیک عملکرد بهتری دارد

فعالان بازار سرمایه، در تصمیم گیری های خود همواره چندین هدف را به صورت همزمان مورد توجه قرار می دهند. با توجه به این که امروزه آشنایی و استفاده از شاخص های تکنیکال با توجه به ساده تر بودن آن ها نسبت به تحلیل بنیادی، در میان سرمایه گذاران رو به افزایش است، در این پژوهش با استفاده از 8 شاخص تکنیکال پرکاربرد و همچنین الگوریتم های فراابتکاری حل برنامه ریزی چندهدفه، یک سیستم معاملاتی با توجه به قدرت سیگنال های تولید شده توسط شاخص های تکنیکال و در نظرگیری هزینه انجام معاملات طراحی شده و کارایی آن بر روی سهام شرکت های داخلی و خارجی طراحی شده است.

این پایان نامه به ارایه یک روش متاهیوریستیک برای حل مساله جریان کارگاهی منعطف با ماشینهای موازی غیرمرتبط با در نظر گرفتن زمانهای آماده سازی وابسته به توالی پرداخته است. تمامی کارها باید بطور کامل از هر ماشین عبور کنند و preemption مجاز نمی باشد . هدف مینیمم کردن جمع وزنی زمان انجام کارها و تعداد کارهای همراه با تاخیر می باشد. در این پایان نامه ، یک ترتیب توالی منطقی بابت اولین مرحله از انجام کارها ارایه شده که برای بقیه مراحل نیز اعمال شده است . از الگوریتم ایمنی و ژنتیک بابت مقایسه بهترین جواب برای مساله زمان بندی استفاده شده است . نتایج محاسباتی مربوطه نیز ارایه شده است. در پایان نیز نتایج دو الگوریتم مورد مقایسه قرار گرفته اند.

در این تحقیق مسأله زمانبندی سیستم جریان کارگاهی مختلط با زمان های آماده سازی وابسته به توالی با دو هدف حداکثر زمان تکمیل و مجموع زمان زودکرد و دیرکرد کارها مورد بررسی قرار گرفته است. به این منظور، در این مطالعه روش چند مرحله ای پیشنهاد شده که با استفاده از تکنیک های مختلف چند هدفی در 3 مرحله، سعی در ایجاد مجموعه جواب های پارتو با کیفیت مناسب شده است در مرحله اول این روش با استفاده از روش مین - ماکس وزنی و با تجزیه جمعیت اولیه به چندین زیر جمعیت، مجموعه جوابهای موثری با تنوع مناسب بوسیله الگوریتم ژنتیک کلیدهای تصادفی ایجاد شده است در مرحله دوم با هدف بهبود جواب های مرحله اول، با استفاده زا روش بهینه سازی پارتو و بوسیله الگوریتم ترکیبی چند هدفه ای که به همین منظور توسعه داده شده، جواب های مرحله قبلی بهبود داده شده اند. در نهایت در مرحله سوم برای پوشش جواب ها با استفاده از روش چند هدفی پوشش محدودیت و بابکارگیری الگوریتم فراابتکاری ترکیبی مجموعه جواب های نهایی تولید شده است الگوریتم فراابتکاری ترکیبی که در مراحل 2 و 3 مورد استفاده قرار گرفته متشکل از سه الگوریتم فرا ابتکاری بهینه سازی کلونی مورچگان، الگوریتم شبیه سازی تبرید و الگوریتم جستجوی همسایگی متغییر است. هدف از توسعه این الگوریتم فرا ابتکاری، ادغام جنبه های متفاوت اجزاء در قالبی نو و ایجاد روشی جامع برای حل مسایل با ساختار مختلف است. برای اثبات کارایی الگوریتم و برای اعتبار سنجی روش پیشنهادی در بخش اندازه گیری کارایی الگوریتم چند هدفه ابتدا به دلیل کمبود معیارهای اندازه گیری کارایی مناسب در ادبیات ما چندین روش جدید را پیشنهاد نموده سپس با انجام مقایسات بر اساس معیارهای مختلف در نهایت این نتیجه شد که الگوریتم پیشنهادی کارایی بالایی دارد.

هدف این تحقیق تعیین رتبه اعتباری شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. به این منظور از شیوه تحلیل پوششی داده ها استفاده شد. تحلیل پوششی داده ها روشی است که به وسیله آن میتوان کارایی نسبی واحدهای مورد بررسی را تعیین کرد. با استفاده از این شیوه کارایی نسبی شرکت های مورد بررسی محاسبه و رتبه اعتباری آنها در سطح کل شرکت هاتعیین شد. سپس از دو روش الگوریتم ژنتیک و سیستم ایمنی مصنوعی جهت برطرف کردن محدودیت های روش تحلیل پوششی داده ها استفاده شد. برای بهره گیری از این دو روش، رتبه اعتباری شرکت ها در روش تحلیل پوششی داده ها به عنوان داده های آموزش این دو الگوریتم استفاده شد. جامعه آماری تحقیق شامل 117 شرکت برای دوره زمانی1388تا1389است. نتیجه تحقیق شامل تعیین رتبه اعتباری شرکت های مورد بررسی بود که هر یک از آنها در یکی از سه طبقه a و b و c قرار گرفتند. این رتبه ها نشان دهنده توانایی مالی نسبی شرکت ها در پرداخت بموقع بدهی های شان است که شرکت های رتبه aتوانایی شدیداً قوی برای پرداخت اصل و فرع بدهی دارند و شرکت های رتبه b ظرفیت کافی برای پرداخت بدهی را دارند. اما وضعیت نامساعد اقتصادی می تواند باعث کاهش توانایی پرداخت اصل و فرع بدهی این گروه شود. شرکت های رتبه c معمولاً آسیب پذیرندو توانایی پرداخت بدهی در این دسته به مساعد بودن وضعیت تجاری، مالی و اقتصادی بستگی دارد. در پایان به مقایسه نتایج حاصل از الگوریتم ژنتیک و سیستم ایمنی مصنوعی پرداخته شد.

پس از فراگیر شدن تئوری های نوین سرمایه گذاری توسط مارکویتز(1952،1957)، تمرکز دانشمندان از انتخاب یک سهام مناسب برای سرمایه گذاری به مدیریت پرتفوی معطوف شد. مدل های متنوعی جهت تشکیل پرتفوی ارائه شده است که عمده آنها بر اساس مدل کلاسیک و بر پایه محاسبه ریسک و بازده دارایی های موجود در پرتفوی محاسبه شده است. از سویی دیگر با گسترش منطق فازی در استفاده از مدل های ریاضی، کاربرد آن در سایر رشته ها و بخصوص در مسائل بهینه سازی تحت شرایط عدم اطمینان، افزاش یافت؛ برنامه ریزی فازی می تواند در مورد عدم اطمینان و یا ابهام مسائل با توجه به مفهوم فازی کمک شایانی به حل و تشریح این مسائل بپردازد که در مورد اخیر رابطه تنگاتنگی نیز در کاربرد مفهوم بازده و ریسک دارایی ها در سرمایه گذاری ها دارد. در این پایان نامه روش بهینه سازی پرتفوی در این زمینه بررسی شده است. به عنوان اولین مرحله با معرفی مدل پرتفوی فازی به ارائه روش تشکیل پرتفوی پرداخته شده است. در ادامه پس از مدلسازی به کمک روش های فرا ابتکاری معرفی شده، اقدام به بیان روش های حل مدل شده است و سپس جهت بررسی با شاخص های سرمایه گذاری و محدودیت های واقعی به گروه بندی جواب های حاصل از روش های فرا ابتکاری پرداخته ایم و در انتها نیز کارکرد های روش های استفاده شده را، بررسی کرده ایم. مدل مذکور برای 160 سهام شرکت های پذیرفته شده در بورس که دارای تاریخ معاملات در بازه 3 ساله هستند، ارائه شده است و برای حل آن از روش های الگوریتم ژنتیک کمک گرفته شده و در انتها نیز از شاخص های سرمایه گذاری مانند شارپ، ترینور و جنسن برای گروه بندی بهره گرفته ایم.

زمان های آماده سازی وابسته به توالی مدت زیادی در تحقیقات لحاظ نمی گردید، همچنین در اکثر تحقیقات انجام شده، بخصوص در محیط جریان کارگاهی مختلط بافر مابین مراحل به صورت نامحدود در نظر گرفته می شد. با این حال، در بسیاری از صنایع از قبیل صنایع شیمیایی و تولید سلولی حذف این فرضیات می تواند بر کیفیت زمانبندی ها تاثیر منفی بگذارد. این تحقیق با توسعه محیط جریان کارگاهی منعطف با در نظر گرفتن زمان های وابسته به توالی برای کارها و محدودیت بافر بین مراحل سعی در رفع کمبود این نقیصه دارد. همچنین به منظور پاسخگویی به نیازهای دنیای رقابتی، این محیط توسعه داده شده در راستای کمینه سازی زمان تکمیل برنامه و بیشینه دیرکردها از موعد تحویل حل می گردد. بدین منظور پس از تعریف مساله و مرور ادبیات موضوع، دو الگوریتم بر مبنای محاسبات تکمیلی موجود در ادبیات پیشنهاد گردیده و برای این محیط توسعه داده می شوند. سپس به ترتیب بررسی و تحلیل عوامل موثر بر الگوریتم ها، تنظیم پارامتر و مقایسه عملکرد این دو الگوریتم بر اساس معیارهای پیشنهادی این تحقیق انجام می گیرد.

پویایی و تغییرات بازارهای مالی، انتظارات سرمایه گذاران را تغییر می دهد که براین اساس، فعالان بازارهای مالی در صدد تغییر در نوع و ترکیب اوزان سهام های پرتفوی خود می باشند ( متوازن سازی مجدد پرتفوی ). افق سرمایه گذاری و هزینه ی معاملات از عواملی هستند که در مسأله ی متوازن سازی مجدد پرتفوی مطرح می شوند. از اینرو، در این تحقیق، اولآ، تآثیر متوازن سازی مجدد پرتفوی بر بازدهی و ریسک پرتفوی بررسی می گردد و ثانیآ، اثرگذاری عامل افق سرمایه گذاری بر متوازن سازی مجدد پرتفوی، آنالیز می شود. استفاده از الگوریتم های فراابتکاری برای حل مسأله متوازن سازی مجدد پرتفوی در ابعاد بزرگ، پیشنهاد شده بود. به این منظور، مدل مسأله ی متوازن سازی مجدد پرتفوی چند دوره ای ( متوازن سازی مجدد پرتفوی در افق سرمایه گذاری ) با در نظر گرفتن هزینه ی معاملات، با الگوریتم ژنتیک تک هدفه ی ریسک پرتفوی، nsga_ii و nrga مطابق مدل ریسک – بازدهی مارکویتز، حل گردید. نتایج و آنالیز نشان داد که، متوازن سازی مجدد بر بازدهی و ریسک پرتفوی اثر گذار است و ریسک پرتفوی را کنترل می کند و یا کاهش می دهد و بازدهی پرتفوی را کنترل می کند و یا می تواند افزایش دهد و افق سرمایه گذاری برای متوازن سازی مجدد پرتفوی یک عامل تاثیرگذار است و تعیین افق سرمایه گذاری و هدف ( اهداف ) سرمایه گذار برای متوازن سازی مجدد پرتفوی، مهم هستند.

بازار سرمایه از بازارهای پیچیده، نامنظم و غیرخطی می باشد. همین امر موجبات توجه محققین به این بازار را فراهم آورده است. خبرگان مالی اندیکاتورهای مالی زیادی به منظور پردازش حرکت قیمت سهام ابداع کرده اند. این اندیکاتورها با تأثیر گرفتن از روند قیمتی سهام و میزان حجم معاملات به دنبال پیش بینی قیمت سهام در آینده می باشند. استفاده همزمان از چندین اندیکاتور ما را به نتایج مطلوب و مطمئن تری هدایت می کند. ولی استفاده از این اندیکاتورها نیاز به آموزش و تجربه زیادی دارد که اغلب فعالان و سرمایه گذاران حقیقی، دانش یا زمان کافی برای استفاده از اندیکاتورها را ندارند. از همین روی نیاز به سیستمی که به زبان انسان نزدیک و پشتیبان تصمیم گیری آن ها در مواقع خرید و فروش باشد، احساس می شود. لذا یکی از روش هایی که می تواند مفید واقع گردد، داده کاوی است که به دنبال کشف روابط موجود در حجم عظیمی از داده می باشد. کشف قوانین پیوستگی از جمله روش های داده کاوی است که با استفاده از داده های موجود قوانین (اگر - آنگاه) حاکم بر آن ها را استخراج می کند. در این تحقیق 11 اندیکاتور استفاده شده در سمت مقدم قانون و کلاس خرید یا فروش در سمت نتیجه آن واقع می گردد. انتخاب و ترکیب استفاده از این اندیکاتورها می تواند به عنوان یک مسئله بهینه سازی مطرح شود. الگوریتم ژنتیک از جمله الگوریتم های فرا ابتکاری است که برای حل مسائل بهینه سازی و دارای فضای جستجوی بزرگ استفاده می شود. به منظور کاربردی کردن و نزدیک شدن به واقعیت، مسئله با اهداف سه گانه مورد بررسی قرار داده شده، که در نتیجه ما را به استفاده از الگوریتم های ژنتیک چندهدفه سوق می دهد. در این تحقیق از سیستم داده کاوی مبتنی بر الگوریتم های ژنتیک چندهدفه به منظور کشف قوانین فازی استفاده شده است. از آنجایی که قوانین برای استفاده انسان طراحی شده است، اکثریت آن ها ذهنی و فازی می باشند. با استفاده داده های سهام 5 شرکت بورس تهران و 5 شرکت بورس نیویورک برای دوره آموزش به منظور یادگیری الگوریتم و با استفاده از دوره آزمایش کارایی و دقت الگوریتم ارزیابی شده است. همچنین برای مقایسه دو الگوریتم پیشنهادی از 5 معیار مقایسه، استفاده شده است. نتایج آزمایشات حاکی از آن است که هر دو الگوریتم دارای قدرت پیش بینی بالایی هستند و به این نتیجه دست یافته شد که اختلاف معناداری به جز در معیار پوشش مجموعه برای آن ها متصور نمی باشد.

در این پایان نامه به بررسی مساله ی بهینه سازی سبد اوراق بهادار چند دوره ای برای مدیریت دارایی و بدهی از نظر یک سرمایه گذار که قصد دارد قبل از رسیدن به انتهای افق سرمایه گذاری خود احتمال ورشکستگی را کنترل کند پرداخته می شود. یک مدل میانگین – واریانس که دارای محدودیت کنترل ورشکستگی در دوره های مختلف در طول افق زمانی می باشد تشکیل داده می شود. سپس یک روش برای حل این مدل بر اساس روش لاگرانژ افزاینده و رویکرد برنامه ریزی پویا ارائه می شود. سبد اوراق بهادار مورد بررسی در این پایان نامه از یک سری دارایی ریسکی و دارایی بدون ریسک و بدهی تشکیل شده است. منظور از تعدادی دارایی ریسکی، سهام ده شرکت مستقر در بورس می باشد که به صورت تصادفی انتخاب شده اند و منظور از دارایی بدون ریسک، اوراق مشارکت می باشد و منظور از بدهی سرمایه گذار، وام بانکی می باشد. با تشکیل سبد اوراق بهاداری از این دارایی ها، مساله ای با درجه ی پیچیدگی np-hard ایجاد می گردد که می توان این مساله را با الگوریتم فرا ابتکاری همچون الگوریتم ژنتیک حل نمود. در نهایت تاثیر کنترل ورشکستگی را روی استراتژی بهینه با استفاده از شبیه سازی مونت کارلو توسط نرم افزار متلب ارائه خواهد شد.

پیش بینی قیمت عاری از خطا یا با خطای حداقلی در بازار آتی که از بازارهای نوین در بورس های کشورهای جهان می باشد امری بسیار پیچیده است. به این دلیل که علاوه بر پیش بینی قیمت دارایی پایه در آینده باید عوامل مختلف هم در مقاطع متفاوت زمانی در نظر گرفته شود. مخصوصاً در مواقعی که شوک هایی در اقتصاد کشورها به وجود می آید که تأثیر مثبت یا منفی بر روی دارایی پایه مورد بحث دارد، رفتارهای هیجانی مردم، تصمیم های نابه هنگام مدیران اقتصادی و به هم ریختگی بازار آن دارایی را مشاهده خواهیم کرد. دغدغه محققان فعال در این حوزه، فعالین بازار آن دارایی، سرمایه گذاران بزرگ که سهم بزرگی از آن بازار را دارند و مقامات تصمیم گیرنده در سیاست مالی و پولی کشور و مدیران بازار سرمایه داشتن مدلی برای تعیین وضعیت آینده بازار جهت اتخاذ یک تصمیم صحیح از قبل می باشد. در این پژوهش بازار آتی در بورس کالای ایران بر روی دارایی پایه سکه طلا که کالایی استراتژیک از لحاظ این که بسیاری از مردم آن را به عنوان نماد تورم می شناسند و بسیاری جهت سرمایه گذاری مازاد دارایی خود آن را انتخاب می کنند، مورد بررسی قرار می گیرد. ارائه مدلی توانا برای پیش بینی قیمت در بازار آتی سکه طلا هدف این پژوهش می باشد. مدل انتخاب شده که برای اولین بار در ایران در این حوزه استفاده می شود، مدل قیمت گذاری اختیار معامله است. بررسی توانایی مدل به کمک پیش بینی درون نمونه ای انجام می شود. محاسبه واریانس هم به کمک مدل های گارچ انجام می پذیرد. از جمله نظریه هایی که بسیاری از فعالین بازار از آن بهره می برند، تئوری قیمت گذاری قراردادها و پیمان های آتی است که مدل ریاضی بسیار راحتی برای قیمت گذاری آتی با توجه به نرخ بهره و زمان باقیمانده تا سررسید محسوب می شود. در پایان تحقیق نتایج این مدل با مدل قیمت گذاری اختیار معامله مقایسه شده است و میزان خطای مدل نشان از دقت مدل دارد. از نتایج حاصله برمی آید که تفاوت زیادی بین نتایج این دو مدل با یکدیگر وجود ندارد. در مدل قیمت گذاری اختیار معامله که این تحقیق بر روی آن بحث کرده است میزان خطای پیش بینی درون نمونه ای با احتساب نرخ بهره مناسب که در بازار ایران محاسبه شده 1.7 % می باشد در حالی که میزان خطای تئوری قیمت گذاری قراردادهای آتی در همین بازه زمانی 1.72 % بدست آمده است. همچنین نتیجه گرفته شده است که زمان باقیمانده تا سررسید پارامتر بسیار مهمی در میزان خطا می باشد.

سایه افکنی شرایط عدم اطمینان در کلیه امور مالی،فرایند تصمیم گیری در بازارهای مالی را تحت تاثیر خود قرار داده است. از جمله تغییرات ناگهانی نرخ ارز، قیمت کالاهای اساسی و قیمت سهام از مواردی هستند که نهادهای مالی امروزه با آنها موجه اند. یکی از مهمترین این تغییرات،نوسانات و آشفتگی در بازار ارز ایران طی سال های اخیر بوده که نهادهای مالی مخصوصا بانک ها می بایست اقدامات لازم را برای مقابله با اثرات نامطلوب آن انجام دهند. در نتیجه می بایست از مدل های مناسب جهت کمی سازی ریسک استفاده کنند. مهمترین ابزار در این مورد ارزش در معرض خطر می باشد. هدف اصلی در این تحقیق مدل سازی مناسب جهت براورد ارزش در معرض خطر می باشد. برای این منظور از داده های مربوط به ارزش اسمی پورتفوی ارزی بانک سامان طی سالهای 1383 تا 1391 استفاده گشته و از مدل های پارامتریک برای براورد ارزش در معرض خطر استفاده شده است در نتیجه برای بالا بردن دقت کار و تخمین مناسب از توزیع داده ها، از سه توزیع، نرمال، t و t چوله استفاده گشته است،در این میان پارامتر چولگی مربوط به توزیع t چوله در تمامی تخمین ها بی معنی شد که نشانه متقارن بودن توزیع بازدهی داده ها می باشد. برای براورد ارزش در معرض خطر از مدل هایی که پویایی میانگین و واریانس را در نظر می گیرند استفاده شده و چون یکی از مهمترین بخش ها براورد صحیح نوسانات است از مدل های خانواده گارچ برای براورد نوسانات استفاده شده است. به جهت براورد نوسانات از سه مدل garch، egarch، و mrs-egarch استفاده شد تا اثر شوک های مثبت و منفی مورد بررسی قرار گیرد، با مثبت و معنی دار شدن پارامتر عدم تقارن در مدل های egarch و mrs-egarch در توزیع های t و t چوله مشخص شد که در حالت یک رژیمه و نیز دو رژیمه مدل به شوک های منفی بیشتر و سریعتر پاسخ می دهد طی نتایج آزمون spa برای براورد نوسانات و آزمون بازخور برای براورد ارزش در معرض خطر مدل mrs-egarch با توزیع t و t چوله بهترین عملکرد را در براورد نوسانات و ارزش در معرض خطر داشت.

یکی از عوامل توسعه نیافتگی بورس در کشورهای درحال توسعه نظیر ایران رشد ناکافی ابزارهای تصمیم ساز برای سرمایه گذاران به خصوص مبتدیان است. لذا در این پژوهش از یک مدل ردیابی شاخص با در نظر گرفتن محدودیت زیان گریزی و محدودیت عدد صحیح روی تعداد دارایی های انتخاب شده، برای ایجاد یک سبد(پرتفوی) ردیابی کننده شاخص بهره گرفته شده است. تفاوت کلیدی این پژوهش با سایر پژوهش های داخلی مشابه در نظر گرفتن زیان گریزی است. به این معنی که تأثیراتی که سرمایه گذاران از نوسانات مثبت و منفی در بازده پرتفولیوی خود می پذیرند, مطلوبیت یکسانی نداشته و درنتیجه تأثیر آن ها در مدل سرمایه گذاری یکسان نیست. فضای حل این مسئله گسسته و غیر محدب بوده بنابراین روش های متداول عددی برای حل این مسئله قابل استفاده نیستند. از سایر نوآوری های این پژوهش, استفاده از الگوریتم بیگ بنگ- بیگ کرانچ به عنوان یکی از الگوریتم های فرا ابتکاری جدید به عنوان روش حل و مقایسه آن با الگوریتم دیفرانسیل تکاملی با استفاده از داده های قیمت روزانه سهام موجود در شاخص داو جونز از سال 2000 تا 2006 میباشد. نتایج به دست آمده حکایت از عملکرد مناسب الگوریتم بیگ بنگ-بیگ کرانچ نسبت به الگوریتم دیفرانسیل تکاملی با توجه به معیارهای عملکردی دارد. سپس از این الگوریتم برای ردیابی شاخص 30 شرکت بزرگ بورس تهران از سال 91 الی 93 استفاده شد.که نتیجه آن دست یابی به پرتفویی با بازده و ریسکی معادل شاخص 30 شرکت بورس تهران بود.

بیشتر محققان در زمینه زمانبندی، پژوهش خود را با این فرض که تمام کارها در لحظه شروع زمانبندی در دسترس هستند، انجام داده اند. اما در دنیای واقعی، ممکن است این فرض به سبب ورود تصادفی کارها به مرور زمان ودر طول دوره زمانبندی درست نباشد و منجر به یک سیستم پویا گردد. فرض دیگری که در بعضی صنایع می تواند معتبر نباشد، این است که برای کارها نسبت به یکدیگر اولویتی در نظر نگرفته و یا اولویت تمام کارها را یکسان دانسته و به آن اهمیتی داده نمی شود. در این پایان نامه، حل یک مسئله چند هدفه برای زمانبندی در کارگاه جریان کاری منعطف پویا با محدودیت حق اولویت را مورد بررسی قرار می دهیم. هدف این مسئله کمینه سازی میانگین مدت زمان در جریان ساخت و میانگین دیرکرد است. هفت الگوریتم ابتکاری و یک الگوریتم فراابتکاری برای پیدا کردن جواب بهینه و یا نزدیک بهینه ارائه می شود. یک مدل شبیه سازی ارائه می گردد تا عملکرد الگوریتم ها به وسیله مقایسه جواب های آنها با استفاده از یک نرم افزار آماری ارزیابی شود. نتایج آزمایشات کامپیوتری نشان می دهد که الگوریتم فراابتکاری(برنامه ریزی ژنتیک) عملکرد بهتری دارد.

به دلیل اهمیت موضوع ریسک در بازارهای مالی ، برآورد صحیح و دقیق آن همواره دغدغه اصلی حاضران در این بازارها بوده است . در این بین ، معیار ارزش در معرض ریسک به عنوان یکی از مهم ترین ابزارهای سنجش ریسک مطرح بوده است و مدلی که بتواند بهترین و نزدیک ترین تخمین به مقدار واقعی آن را برآورد کند اهمیت زیادی دارد . از اینرو در این تحقیق دسته ای از مدل های سری زمانی در بازار بورس اوراق بهادار تهران مورد بررسی قرار می گیرند تا بهترین مدل جهت پیش بینی ارزش در معرض ریسک شناسائی شود . هم چنین در اینجا تاثیر در نظر گرفتن عناصر سوم و چهارم گشتاور ( چولگی و کشیدگی ) که تا به حال در محاسبات مربوط به این بازار مورد توجه قرار نگرفته ، بررسی شده و مورد ارزیابی قرار می گیرد . مدل اصلی جهت پیش بینی نوسان hyaparch است که عملکرد آن با مدل ساده garch مقایسه شده است . مدل های مربوط به چولگی و کشیدگی نیز در 3 حالت چولگی و کشیدگی ثابت ، چولگی و کشیدگی متغیر با زمان ( با دو معادله متفاوت ) است . در مجموع 8 مدل در این تحقیق با هم مقایسه شده اند . نتایج این بررسی ها نشان می دهد فرض متغیر با زمان بودن پارامترهای چولگی و کشیدگی در هر دو مدل اصلی تاثیری در بهبود تخمین نداشته و در موادی باعث بدتر شدن نتایج برآورد می شود . ( به خصوص برای مدل hyaparch ) در مجموع از نتایج برآورد ارزش در معرض ریسک می توان این گونه استنباط کرد که مدل garch با فرض توزیع t-studdent چوله عملکرد کاملا برتری داشته و نتایج آن به صورت روشنی قابل اعتمادتر است .

در این پایان نامه به برررسی کارایی عملیلاتی بانک ها و عواملی که تاثیر گذار بر این عوامل هستند پرداخته می شود

این پژوهش، درصدد گسترش مدل کنترل موجودی در زنجیره تأمین است که به اختصار swmr نامیده می شود. زنجیره تأمین فوق شامل چند تأمین کننده ، یک انبار و چند خرده فروش است که در آن تقاضای پس افت مجاز است. مدل فوق شامل هزینه حمل از تأمین کننده تا انبار و از انبار تا خرده فروش، هزینه نگهداری موجودی توسط خرده فروش می باشد. از آنجاییکه مبنای مشخصی برای محاسبه هزینه هر واحد کمبود وجود ندارد و در سایر پژوهش ها نیز فقط مقدار پیش فرضی برای آن در نظر گرفته شده است؛ هزینه کمبود از تابع هدف مجزا در نظر گرفته شده و به صورت تابعی از تعداد کمبود به اهداف مسئله اضافه شده است. دو الگوریتم فراابتکاری الگوریتم ژنتیک چند هدفه با مرتب سازی نامغلوب و الگوریتم بهینه سازی ازدحام ذرات چندهدفه برای حل مسئله مورد نظر ارائه می شود.دراین تحقیق، در فصل دوم ادبیات موضوع مسئله بررسی شده است. سپس در فصل سوم، مدل ریاضی دوهدفه برای مسئله، توسعه داده شده و روش های فراابتکاری ژنتیک چند هدفه با مرتب سازی نامغلوب و الگوریتم بهینه سازی ازدحام ذرات برای حل مسئله ارائه گردیده است. در فصل چهارم، پایگاهی از مسائل تست ایجاد، پارامترهای الگوریتم تنظیم و الگوریتم فراابتکاری بر روی مسائل تست پیاده سازی شده است. در انتها کارایی و اثربخشی الگوریتم های مورد استفاده ارزیابی شده است. برای تنظیم پارامترهای الگوریتم از طراحی آزمایشات به روش تاگوچی و برای مقایسه کارائی و اثربخشی الگوریتم توسعه داده شده از آزمون های مقایسات زوجی استفاده شده است. در نهایت در فصل پنجم، نتیجه گیری و پیشنهاداتی برای مطالعات آتی بیان شده است.

مدل کردن مسایل زمانبندی به صورت جریان کارگاهی در فرآیندهای صنعتی و سیستمهای تولیدی بسیار معمول است. بر اساس حالت های مختلفی که برای پارامترهای یک مساله ی زمان بندی می توان در نظر گرفت، در این پایان نامه مساله زمانبندی در محیط جریان کارگاهی (دو ماشینی) با کمینه کردن تعداد کارهای دارای دیرکرد و محدودیت بدون انتظار بررسی می شود. این مسئله جزء مسائل با درجه سختی بالا طبقه بندی می شود. برای این منظور پس از مدل کردن مسئله، از الگوریتم های فرا ابتکاری جهت توسعه روش حل آن استفاده می شود. در این پایان نامه از دو الگوریتم بهینه سازی ازدحام ذرات و ژنتیک برای حل مسئله استفاده می شود. پیش از حل مسئله توسط این دو الگوریتم ابتدا به منظور تنظیم پارامترهای مهم الگوریتم ژنتیک و الگوریتم بهینه سازی ازدحام ذرات، از آنالیز تاگوچی استفاده می گردد. در خاتمه نتایج حاصل از حل با یکدیگر مقایسه می گردد.

در این تحقیق تلاش شده که که مدل ریاضی دو هدفه برنامه ریزی تولید مبتنی بر (ساخت بر سفارش ) با در نظر گرفتن محدودیت های بازه ی زمانی تحویل سفارش مشتری و ظرفیت تولید، بصورت یکپارچه به تعیین مقدار موجودی کالا، مقدار تأمین هر محصول از هر واحد تولیدی (کارخانه ) و نسبت تقسیم سفارش بین واحد های تولیدی و مقدار تأمین محصول بواسطه برون سپاری پرداخته شود

معاملات موفق در بازارهای مالی می بایست نزدیک به نقاط کلیدی بازگشتی انجام گردد. در این تحقیق سعی شده است تا سیستم معاملاتی هوشمندی را بر پایه قوانین شناخته شده تحلیل تکنیکال و استفاده از سه ابزار الگوریتم ژنتیک، منطق فازی و شبکه عصبی ایجاد نمود.الگوریتم ژنتیک به بهینه سازی قواعد تکنیکی به دلیل پیچیدگی محاسباتی کمک خواهد کرد. منطق فازی نیز به تشخیص موقعیت کلی جاری در بازار کمک خواهد کرد.در انتها سیگنال های ایجاد شده بوسیله هرکدام از قواعد با استفاده از شبکه عصبی المان به صورت نتیجه واحد (خرید، فروش یا نگهداری) درخواهد آمد.

جریان مالی در هر زنجیره تأمین، یکی از سه جریان مهم و تأثیرگذار بر فرایند تصمیم گیری در زنجیره (در کنار جریان کالا و اطلاعات) است. ریسک مالی در معاملات بسیار اثربخش بوده و شرکتها تمایل دارند در شرایط ویژه با شرکتی که خطر کمتری را در تعاملات مالی دارد همکاری نماید. در این تحقیق سعی برآن شد تا با در نظر گرفتن برآورد پارامترهای ریسک شرکتهای تولید کننده و مقایسه آنها، بر نقش ریسک مالی تولید کنندگان در سودآوری و بهبود زنجیره تامین تاکید گردد و راهکارهایی برای افزایش کارایی شرکت ها و بهبود زنجیره تامین ارائه داده شود. همچنین با در نظر گرفتن نرخ ریسک بازار و نرخ سود بدون ریسک و تغییرات آن، تاثیرگذاری بر شرکت های تولید کننده را برآورد و مقایسه نمود.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.