مسئله بهینه‏سازی‏ مارکویتز و تعیین مرز کارای سرمایه‏گذاری، زمانی‎که تعداد دارایی‏های قابل سرمایه‏گذاری و محدودیت‏های موجود در بازار ‏کم باشد، توسط مدل‏های ریاضی حل‎شدنی است. اما هنگامی‏که شرایط و محدودیت‏های دنیای واقعی در نظر گرفته شود، مسئله بهینه‏سازی پرتفوی به‎راحتی با استفاده از شیوه‏های ریاضی ‎حـل نمی‏شود. به‎همین دلیل استفـاده از شیوه‏های ابتکاری همچون شبکه‏های عصبی و الگوریتم‏های تکاملی...

سرمایه گذاران عادی به پرتفوی خود به عنوان یک کل نگاه نمی کنند. این سرمایه گذاران، پرتفوی خود را به عنوان مجموعه ای از حساب های ذهنی در نظر می گیرند. درحسابداری ذهنی مساله متعارف بیشینه سازی بازده مورد انتظار با محدودیت حداکثر احتمال شکست در دستیابی به بازده آستانه ای است. در پژوهش حاضر از مدل میانگین واریانس مارکویتز و ورود دارایی بدون ریسک به محدودیت این مدل، مدل قیمت گذاری دارایی سرمایه ای را...

عموماً سرمایه­گذار در مسئله انتخاب پرتفولیو اهداف چندگانه و متناقضی از قبیل بازدهی، ریسکو نقدشوندگی مدنظر دارد. از طرف دیگر سرمایه­گذاردارای ترجیحات خاص خود در مورد اهداف است. مرور ادبیات تحقیق نشان می­دهد، از جمله اهدافی که در مسئله انتخاب پرتفولیو استفاده نشده است، حداقل‌کردن ریسک غیرسیستماتیک و حداکثرسازی چولگی بازدهی پرتفولیو است. در این تحقیق سعی شده است به منظور انتخاب پرتفولیوی بهینه، از ...

افزایش میزان سود و کاهش ریسک سرمایه¬گذاری دربورس همیشه مهمترین دغدغه سرمایه¬گذاران بوده است و آنها همواره به دنبال راهی هستند که بهترین پیشنهاد را برای خرید سهام داشته باشند به گونه¬ای که دارای بیشترین بازده و کمترین ریسک سرمایه¬گذاری باشد.تحقیقات زیادی در این رابطه انجام شده است و مدل ریاضی میانگین واریانس مارکویتز به عنوان یکی از اصلی¬ترین کارهای این حوزه شناخته می¬شود. علیرغم اهمیت این مدل چ...

مسئله بهینه سازی پرتفلیو یکی از پیچیده ترین مسائل حوزه مالی و سرمایه گذاری و از زمینه های اصلی تحقیقاتی در مدیریت ریسک مدرن می باشد. مارکویتز (1952) بنیانگذار ساختاری مشهور به تئوری پرتفلیو می باشد. طی دهه¬های اخیر، روشهای متعددی جهت برطرف نمودن ایرادات تئوری مارکویتز و ارتقای مدل انتخاب پرتفلیو ارائه شده است. به دلیل وجود عوامل شامل عدم قطعیت فراوان در محیط سرمایه گذاری، نتایج حاصل از انتخاب س...

در این پایان نامه پس از بررسی ادبیات موضوع و مطالعه الگوریتم ژنتیک و حرکت تجمعی ذرات به بررسی کارایی دو الگوریتم در حل مساله مارکویتز می پردازیم

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...

مسئله بهینه‏سازی‏ مارکویتز و تعیین مرز کارای سرمایه‏گذاری، زمانی‎که تعداد دارایی‏های قابل سرمایه‏گذاری و محدودیت‏های موجود در بازار ‏کم باشد، توسط مدل‏های ریاضی حل‎شدنی است. اما هنگامی‏که شرایط و محدودیت‏های دنیای واقعی در نظر گرفته شود، مسئله بهینه‏سازی پرتفوی به‎راحتی با استفاده از شیوه‏های ریاضی ‎حـل نمی‏شود. به‎همین دلیل استفـاده از شیوه‏های ابتکاری همچون شبکه‏های عصبی و الگوریتم‏های تکاملی...

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...

امروزه بازار سرمایه به عنوان زمینه ای نوین برای سرمایه گذاری در نظر گرفته می شود.سرمایه گذاران در این بازار با چالش های متنوعی برای تصمیم گیری در شرایط عدم اطمینان مواجه هستند. ریسک بالای ورقه تک سهم از یک طرف و پایین بودن تنوع در بازار اوراق بهادار تهران از طرف دیگر سرمایه گذاران عقلایی را بر این داشته است که برای سرمایه گذاری در بازار سرمایه از سبد سهام استفاده کنند. در دهه های اخیر مدل های ت...