بهینه سازی سبد سهام در بازار بورس تهران با استفاده از تحلیل پوششی داده ها و الگوریتم جستجوی ارگانیسم های هم زیست

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 106

فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SAIM-3-2_010

تاریخ نمایه سازی: 24 آذر 1402

چکیده مقاله:

امروزه، تشکیل سبد سهام بهینه و مدیریت آن از اصلی ترین حوزه های تصمیم گیری مالی بشمار می رود. بنابراین، انتخاب سبدی از سهام که بتواند به صورت همزمان بالاترین نرخ بازده را برای دارنده آن به ارمغان آورده و همچنین ریسک سرمایه گذاری را به حداقل میزان ممکن کاهش دهد، به یکی از دغدغه های اصلی فعالان اقتصادی مبدل گردیده است. لیکن در انتخاب سبد سهام بهینه، صرفا این دو عامل تعیین کننده نبوده و متناسب با محیط اقتصادی می تواند عوامل مختلفی بر این فرآیند تاثیرگذار باشد که می بایست شناسایی و به کار گرفته شوند.لذا این امر، استفاده از رویکردهای تصمیم گیری چندمعیاره را اجتناب ناپذیر نموده است. از سوی دیگر، هنگامی که شرایط و محدودیت های دنیای واقعی نظیر محدودیت سرمایه گذاری در هریک از سهم ها و نیز محدودیت کاردینالیتی درنظر گرفته می شوند، مسئله بهینه سازی سبد سهام به راحتی و با استفاده از شیوه های معمول ریاضی قابل حل نیست؛ به ویژه آنکه تعداد زیادی از دارایی ها در فرآیند بررسی و تشکیل سبد سهام درنظرگرفته شوند. ازاین رو با توجه به مطالب بیان شده، هدف اصلی پژوهش حاضر حل مسئله بهینه سازی سبد سهام با تلفیق روش های تحلیل پوششی داده ها و الگوریتم جستجوی ارگانیسم های هم زیست است. در انتها نیز روش و مدل مورداستفاده در این پژوهش با داده های واقعی آزمون شده و نتایج آن مورد تجزیه وتحلیل قرار گرفته است. نتایج این پژوهش نشان می دهد، رویکرد ارائه شده در بهینه سازی سبد سهام موفق عمل نموده و توانسته است به نحو مطلوبی پاسخگوی محدودیت ها و متغیرهای تاثیرگذار بازار باشد.

کلیدواژه ها:

بهینه سازی سبد سهام ، تحلیل پوششی داده ها ، الگوریتم جستجوی ارگانیسم های هم زیست ، بازار بورس تهران

نویسندگان

سیدعرفان محمدی

دانشجوی دکتری، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران

عمران محمدی

استادیار، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران

فرناز برزین پور

دانشیار، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، 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 :
  • Markowitz, H. (۱۹۵۲) "Portfolio Selection," The journal of finance, vol. ...
  • Sharpe, W. F. (۱۹۶۳) "A Simplified Model for Portfolio Analysis," ...
  • Farrell, M. J. (۱۹۵۷) "The Measurement of Productive Efficiency," Journal ...
  • Charnes, A., Cooper, W. W., and Rhodes, E. (۱۹۷۸) "Measuring ...
  • Powers, J., and McMullen, P. (۲۰۰۰) "Using Data Envelopment Analysis ...
  • Edirisinghe, N., and Zhang, X. (۲۰۰۷) "Generalized DEA Model of ...
  • Lopes, A., Lanzer, E., Lima, M., and da Costa Jr, ...
  • Alinezhad, A., Zohrebandian, M., and Dehdar, F. (۲۰۱۰) "Portfolio Selection ...
  • Khajavi, Sh., Salimifard, A.R., and Rabie, M. (۲۰۰۵) " Application ...
  • Deng, G.-F., Lin, W.-T., and Lo, C.-C. (۲۰۱۲) "Markowitz-Based Portfolio ...
  • Najafi, A. A., and Mushakhian, S. (۲۰۱۵) "Multi-Stage Stochastic Mean–Semivariance–CVaR ...
  • Afsar, A., and Helyel, F. (۲۰۱۷) " A Hybrid Approach ...
  • Kiyani, M., Nabavi, S.A., and Memarian, E. (۲۰۱۵) " Optimizing ...
  • Jahanshahloo, G.R., Hosseinzadeh Lotfi, F., and Nikoomaram, H. (۲۰۱۰) " ...
  • Beale, E. and Forrest, J. J. (۱۹۷۶) "Global Optimization Using ...
  • Fernández, A., and Gómez, S. (۲۰۰۷) "Portfolio Selection Using Neural ...
  • Holland, J. H. (۱۹۷۵) Adaptation in Natural and Artificial Systems: ...
  • Eberhart, R. C., and Kennedy, J. (۱۹۹۵) "A New Optimizer ...
  • نمایش کامل مراجع