بهینه سازی سبدسهام براساس حداقل سطح پذیرش ریسک کل و اجزای آن با استفاده از روش الگوریتم ژنتیک

Authors

Abstract:

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 سهام بوده است. بدین منظور در این تحقیق یکبار با استفاده از الگوریتم ژنتیک مرز کارای بهینه را به دست آورده و این مرز کارا را با مرز کارای حاصل از روش حل دقیق مقایسه می کنیم. به منظور دستیابی به این هدف 25 شرکت از شرکت های فعال در بورس اوراق بهادار تهران انتخاب شدند. محاسبات مربوط به تحقیق توسط نرم افزار 7.6Matlabانجام شده است. نتایج تحقیق مبین این مطلب است که مرزکارای بهینه به دست آمده با استفاده از روش الگوریم ژنتیک با مرزکارای حاصل از روش حل دقیق برابر بوده که نشان دهنده کارایی بالای الگوریتم ژنتیک در بهینه سازی سبد می باشد. همچنین در این تحقیق نتایج بیانگر این مطلب است که با مقایسه سبد های بهینه حاصل از حل، با تابع ریسک های سیستماتیک و غیر سیستماتیک، تنوع سهام در سبدهایی با تابع ریسک غیر سیستماتیک بسیار بیشتر از سبدهایی با تابع ریسک سیستماتیک بوده است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بهینه سازی سبدسهام با استفاده از روش k-means و الگوریتم ژنتیک

 دیدگاهی که در این مقاله ارائه می دهیم در دو مرحله جای می گیرد: مرحله ی اول طبقه بندی سهم ها ی پورتفوی ابتدایی با روش k-means به دسته های کوچکتر است، سپس طبقه ای که کمترین ریسک و بیشترین بازده را دارد یا به عبارتی طبقه ای که بهینه تر می باشد را به عنوان ورودی الگوریتم خود که آن را MinVaRMaxR نامیده ایم برمی گزینیم. الگوریتم مذبور،الگوریتم پویایی، براساس الگوریتم ژنتیک و مفهوم ارزش در معرض خطر م...

full text

بهینه سازی سبدسهام با استفاده از روش k-means و الگوریتم ژنتیک

دیدگاهی که در این مقاله ارائه می دهیم در دو مرحله جای می گیرد: مرحله ی اول طبقه بندی سهم ها ی پورتفوی ابتدایی با روش k-means به دسته های کوچکتر است، سپس طبقه ای که کمترین ریسک و بیشترین بازده را دارد یا به عبارتی طبقه ای که بهینه تر می باشد را به عنوان ورودی الگوریتم خود که آن را minvarmaxr نامیده ایم برمی گزینیم. الگوریتم مذبور،الگوریتم پویایی، براساس الگوریتم ژنتیک و مفهوم ارزش در معرض خطر می...

full text

بهینه سازی ورقهای کامپوزیت با استفاده از الگوریتم ژنتیک

بهینه‌سازی سازه‌ها یعنی طراحی آنها به صورتی که هم مسائل فنی رعایت شوند و هم کمترین وزن و هزینه اجرایی را داشته باشد. در سالهای اخیر استفاده از مواد‌مرکب‌چندلایه در ساخت سازه‌های مکانیکی، فضایی، دریایی و خودروسازی افزایش یافته است. یکی از دلایل عمده استفاده از این مواد، مقاومت بسیار زیاد به همراه وزن کم آنها می باشد. از اهداف این تحقیق طراحی بهینه یک ورق مرکب چند‌لایه با کمترین وزن و هزینه ممکنه...

full text

بهینه سازی فرآیند خشک کردن دانه سویا با استفاده از روش الگوریتم ژنتیک

در این تحقیق فرآیند خشک کردن دانه سویا بر روی رقم DPS طبق روشهای استاندارد مورد بررسی قرار گرفت. جهت بررسی خواص خشک کردن و تاثیر عوامل مختلف آن، یک دستگاه خشک کن آزمایشگاهی طراحی ، و ساخته شد سپس پارامترهای خشک کردن شامل رطوبت اولیه سه سطح (21٪، 18، 16 بر مبنای خشک) دمای خشک کردن در سه سطح (50،65، 80 درجه سیلسیوس) و سرعت گردش هوا در سه سطح (6٪،1،5/1 متر بر ثانیه) بر روی میزان روغن و شاخص اسیدیت...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 3  issue 11

pages  125- 164

publication date 2013-12-02

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