بررسی کاربرد الگوریتم ابتکاری ترکیبی ژنتیک و نِلدر مید در بهینه سازی پورتفوی
نویسندگان
چکیده مقاله:
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.
منابع مشابه
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 ...
متن کاملحل 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...
متن کاملطراحی 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...
متن کاملبهینه 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 ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 7 شماره 14
صفحات 171- 204
تاریخ انتشار 2010-09-23
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023