بهینه سازی سبد سهام چنددوره ای با استفاده از آنتروپی امکانی و الگوریتم ازدحام ذرات
محل انتشار: مجله چشم انداز مدیریت صنعتی، دوره: 13، شماره: 4
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 44
فایل این مقاله در 29 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_INDU-13-4_006
تاریخ نمایه سازی: 29 فروردین 1403
چکیده مقاله:
در این پژوهش، انتخاب سبد سهام چند دورهای درحالت عدم قطعیت و با درنظرگرفتن هزینه های معاملاتی، مدل سازی و حل شد. به منظور انتخاب سبد سهام چنددوره ای با چهار معیار بازده، ریسک، درجه تنوع بخشی سبد سهام و هزینه معاملاتی، یک مدل میانگین-نیم واریانس-آنتروپی امکانی معرفی شد. در این مدل سطح بازده با مقدار میانگین امکانی بازده، سطح ریسک با نیم واریانس امکانی پایینی بازده و درجه تنوع پذیری سبد سهام به وسیله آنتروپی امکانی محاسبه شد. برای درنظرگرفتن عدم قطعیت در مدل پیشنهادی، از نظریه فازی استفاده شده و بازده سهام، عدد فازی ذوزنقه ای درنظرگرفته شد. باتوجه به پیچیدگی محاسباتی مسئله، الگوریتم بهینه سازی ازدحام ذرات چندهدفه برای حل مدل به کار رفت. به منظور ارزیابی عملکرد مدل پیشنهادشده، مدلی مشابه، مشتمل بر آنتروپی تناسبی، مدل سازی و حل شد و نتایج آن با مدل آنتروپی امکانی مقایسه شد. نتایج نشان داد که مدل آنتروپی امکانی از مدل آنتروپی تناسبی بهتر است؛ زیرا مرز کارایی بهتری ارائه می دهد. با توجه به پرتفوهای بهینه به دست آمده از یک بار اجرای الگوریتم روی مدل آنتروپی امکانی در دوره ی زمانی سوم، بیشترین درصد سهام انتخاب شده در سبد بهینه سرمایه گذار ریسک پذیر، ریسک گریز و بی تفاوت نسبت به ریسک، به ترتیب کگل، حکشتی و شخارک هستند.
کلیدواژه ها:
آنتروپی امکانی ، آنتروپی تناسبی ، بهینه سازی ازدحام ذرات چندهدفه ، ثروت نهایی ، سبد سهام چنددوره ای
نویسندگان
مرضیه مظاهری زاوه
کارشناس ارشد، گروه مدیریت، دانشکده علوم اداری و اقتصاد، دانشگاه فردوسی مشهد.
امیر محمد فکور ثقیه
دانشیار، گروه مدیریت، دانشکده علوم اداری و اقتصاد، دانشگاه فردوسی مشهد.
امید سلیمانی فرد
دانشیار، گروه ریاضی کاربردی، دانشکده علوم ریاضی، دانشگاه فردوسی مشهد.
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 :