نتایج جستجو برای: گزینش سبد سهام
تعداد نتایج: 15436 فیلتر نتایج به سال:
سرمایه گذاران و پژوهشگران مالی طی دهه های اخیر توجه زیادی به بازارهای سرمایه ی سرتاسر جهان داشته اند و بی شک این توجه روزافزون خواهد بود. سرمایه گذاران در بازارهای سرمایه از مدل های زیادی برای انتخاب سبد سهام خود استفاده می کنند تا بدین طریق ضمن کاهش ریسک سبد خود بازده بیشتری بدست آورند. انتخاب سبد سهام توسط سرمایه-گذاران می تواند بر اساس عوامل مختلفی باشد که در این میان عامل بتا، اندازه، نسبت ...
یکی از مهمترین دغدغه های سرمایه گذاران در بازار سرمایه، انتخاب سهم یا سبد بهینه از لحاظ سودآوری است. به همین منظور تنوع روش های انتخاب سبد سهام در سرمایه گذاری و پیچیدگی تصمیم گیری ها در دهه های اخیر به شدت گسترش یافته است. روش های سنتی در انتخاب و بهینه سازی سبد سهام از کارایی لازم برخوردار نیستند و بنابراین استفاده از الگوریتم های ابتکاری مورد توجه بیشتری قرار گرفته است. هدف این پژوهش، مدلساز...
در این مقاله نتایج دو روش بهینهسازی سبد سهام (روش متعارف کلاسیک و فراابتکاری ژنتیک) با استفاده از دو روش برآورد نرخهای بازده مورد انتظار (شبکههای عصبی و میانگین بازده تاریخی) در مدل مارکویتز با هم مقایسه شدهاند. بازار سرمایۀ مورد مطالعه در این تحقیق بورس اوراق بهادار تهران با دادههای هفتگی شهریور 1389 تا شهریور 1390 است. نتایج نشان میدهند با اینکه دو روش کلاسیک و ژنتیک وزنهای مختلف...
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...
تصمیمات منطقی سرمایهگذاری، نیازمند توجه به معیارها و عوامل مختلف بهطور همزمان است. برای رسیدن به این مقصود، میتوان از برنامهریزی آرمانی که در علم مدیریت به دلیل انعطافپذیری در بررسی مشکلات تصمیمگیری با چندین هدف متناقض و اطلاعات مبهم بهطور گسترده استفاده میشود، بهره جست. در این پژوهش، تفاوت انتخاب سهام و نتایج آن در مدلهای مارکویتز و برنامهریزی آرمانی نشان داده شده است. معیارهای حداقل...
هدف پژوهش حاضر تدوین مدل جامع سبد بهینه سهام با استفاده از تحلیل اطلاعات حسابداری، اطلاعات مبتنی بر ارزش و اطلاعات کارت ارزیابی متوازن است. جامعه آماری پژوهش شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1386 تا 1396 میباشد. در راستای دستیابی به اهداف پژوهش برای تشکیل سبد بهینه سهام از رویکرد کاهش ابعاد و روشهای تحلیل پوششی دادهها و ماشین بردار پشتیبان و الگوریتمهای خوشهبند...
برای بهینهسازی سبد سهام باید از روشهای جامعی استفاده کرد. برای این منظور باید به صورتهای مالی شرکتها، متغیرهای ورودی و خروجی، سنجه ریسک مورد استفاده، تمایلات سرمایهگذار و درجه ریسکپذیری سرمایهگذار توجه کرد. در این مقاله ما با در نظر گرفتن این نکات روشی برای بهینهسازی سبد سهام ارائه میدهیم. در این راستا، از صورتهای مالی شرکتهای سهامی برای غربال کردن شرکتها استفاده میکنیم. با توجه به...
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 دارا...
ریسک و بازده دو عاملی هستند که همواره در حوزه سرمایه گذاری مطرح بوده اند. همزمان با به وجود آمدن مدل هایی جهت بهینه سازی سبد سهام که مهم ترین آن مدل مارکویتز بوده، لزوم شناخت روشهای حل این مدل ها نیز از اهمیت بسزایی برخوردار شده اند. یکی از مهم ترین روش های فراابتکاری برای حل مدل های بهینه سازی سبد سهام الگوریتم ژنتیک می باشد، که یکی از اهداف این تحقیق بررسی میزان کارایی آن در بهینه سازی سبد سه...
مدل مارکوویتز، مبنای رویکرد مدرن در بهینهسازی سبد سهام است. مارکوویتز مدل خود را بر اساس میانگین و واریانس بر رویدادههای تاریخی فرموله کرد. از آن زمان تاکنون، پژوهشگران زیادی روش حل مسئله بهینهسازی سبد سهام را بهبود بخشیدند. یکی از مهمترین بهبودها، جایگزین کردن شاخص ریسک نامطلوب بجای واریانس است. بهبود دیگری که بهتازگی پیشنهادشده، تولید داده بر اساس تحلیل پوششی دادهها و استفاده از داده...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید