بهینه سازی تصادفی, ساختارهای درختی و انتخاب سبد دارایی

حل مسائل تخصیص دارایی به صورت پویا و واقعی هنوز یک چالش باقی مانده است. درحالیکه پیشرفت های قابل ملاحظه ای با توجه به دید تئوری در سال های گذشته با استفاده از برنامه نویسی پویا ایجاد شده است، این تکنیک به سختی برای مسائل صنعتی که با منابع زیادی از متغییرهای نامشخص و وابسته به مسیر سر و کار دارند، مناسب می باشد. یک استراتژی حل جایگزین که بر روی برنامه های زیادی در علم دارایی اعمال شده است برنامه نویسی خطی تصادفی(SLP) است. به هر حال، چیزی که تاکنون در متون در نظر گرفته نشده است یک ارزیابی گسترده از تاثیر پارامترهای مختلفی است که باید قبل از حل یک برنامه-نویسی خطی تصادفی تعیین شوند، یعنی ساختار درختی و رویه تولید سناریو. در این مقاله، ما این نوع از تحلیل ها را بوسیله تنظیم یک مساله مدیریت سبد دارایی ساختگی که حل بهینه و تئوری آن مشخص است انجام می دهیم. بنابراین می توانیم دقت راه حل مشتق شده بواسطه ی برنامه نویسی خطی تصادفی را در برابر این معیار ارزیابی کنیم.ما به این نتیجه رسیدیم که ساختار درختی تا وقتیکه تکنیک تولید سناریوی ساده مورد نظر است نقش مهمی را ایفا می کند. برای تکنیک ها پیچیده، که تضمین می کنند که حتی برای تعداد کمی ترسیم های تصادفی، دو لحظه ی اول توزیع مطابقت می کنند، ساختار درخت سناریو در درجه اهمیت کمتری قرار دارد. به هر حال، برای تکنیک های مونت کارلوی ساده ساختار درختی ممکن است به صورت قابل ملاحظه ای راه حل بهینه را تحت تاثیر قرار دهد. در این حالت ها، درختان متقارن (به عبارت دیگر 100*100) بهترین عملکرد را نشان می دهند.

کلیدواژه ها:

بهینه سازی تصادفی ، برنامه نویسی خطی تصادفی ، بهینه سازی سبد دارایی ، ارزیابی تجربی ، شبیه سازی MC