بهینه سازی سبد سهام به کمک الگوریتم فراابتکاری دسته های میگو با استفاده از معیارهای مختلف از ریسک در بورس اوراق بهادار تهران
محل انتشار: فصلنامه تحقیقات مالی، دوره: 20، شماره: 4
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 214
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JFR-20-4_001
تاریخ نمایه سازی: 20 بهمن 1400
چکیده مقاله:
هدف: بهینه سازی سبد سهام از مهم ترین مسائل سرمایهگذاری است. نخستین بار، هری مارکوویتز، ریسک را در این مسئله به کار برد. پس از آن، این موضوع از جنبههای مختلف از جمله معیارهای گوناگون ریسک، روشهای بهینهسازی و در نظر گرفتن هزینه معاملات مورد بررسی گرفته است. در این پژوهش سعی بر این است که روش فراابتکاری دستههای میگو در بهینهسازی سبد سهام استفاده گردد و مزایای احتمالی آن بر شمرده شود. روش: در این پژوهش تلاش شده است بهکمک الگوریتم جدید دستههای میگو، مسئله بهینهسازی سبد سهام حل شده و مرز کارا محاسبه شود. همچنین ریسک با سه معیار واریانس، نیمواریانس و ریزش مورد انتظار بررسی شده است. دادههای این پژوهش، بازدههای تعدیل شده سهام ۵۰ شرکت فعالتر بورس از تاریخ ۰۱/۰۷/۱۳۹۱ تا ۳۱/۰۶/۱۳۹۶ است. یافتهها: در ابتدا مرزهای کارای پرتفوهای بهینه بر اساس معیارهای ریسک واریانس، نیم-واریانس و ریزش مورد انتظار رسم شده است. شباهت تقریبی سه مرز کارا، نشان از ثبات الگوریتم در یافتن آن دارد. سپس نسبت های شارپ به دست آمده از روش دستههای میگو با روش های رقابت استعماری و تجمعی ذرات مقایسه شده و مشاهده می شود که نسبت به آن ها ارجحیت دارد. نتیجهگیری: الگوریتم دستههای میگو در یافتن مرز کارا و پرتفوهای بهینه در مقایسه با سایر الگوریتمهای مرسوم عملکرد بهتری داشته و میتوان آن را جایگزین این روشها کرد و به نتایجی مطلوبتر دست یافت.
کلیدواژه ها:
الگوریتم دسته های میگو ، بهینه سازی سبد سهام ، الگوریتم های فراابتکاری ، ریزش مورد انتظار ، نیمواریانس
نویسندگان
رضا تهرانی
استاد، گروه مدیریت مالی و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
سیما فلاح تفتی
دانشکده دانشجوی کارشناسی ارشد، گروه مهندسی مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایراندانشگاه تهران
سپهر آصفی
دانشجوی کارشناسی ارشد، گروه مهندسی مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :