بررسی و حل مسئله بهینه سازی پرتفوی با بازده نامطمئن با استفاده از شبکه های عصبی

در مسئله انتخاب پرتفوی با توجه به اینکه سرمایه گذار نسبت به عوامل موثر در فرایند سرمایه گذاری،پیامدها و بازدهی که عملاً عایدش می شود اطلاع کاملی ندارد در شرایط عدم اطمینان قرار می گیرد. در این مقاله دو مدل برای انتخاب پرتقوی در شرایطی که بازده اوراق بهادار نامطمئن فرض می شود، بیان می گردد. با توجه به اینکه این مسئله به روشهای معمول قابل حل نیستند ایده اصلی کار، جایگزینی این مدلها با معادلهای رقیق و قطعی آنها در حالاتی خاص از متغیرهای نامطمئن (مانند متغیر نامطمئن مثلثی، مستطیلی، ذوزنقه ای ونرمال) و سپس حل آن می باشد. با توجه به اینکه می دانیم اخیراً روش های بهینه سازی که بر پایه رویکرد هوش مصنوعی توسعه یافته اند، موفقیت های چشم گیری در حل مؤثر و کارای مسائل بهینه سازی بدست آورده اند. روش هایی چون الگوریتم ژنتیک، جستجوی ممنوع و شبکه عصبی قابلیت های خود را در حل مسائل بزرگ عملی به خودبی نشان داده اند. امتیازات ویزه ی موجود در شبکه های عصبی امکان کاربرد آنها را در حوزه وسیعی از تحقیقات فراهم ساخته است. از جمله آن امتیازات می توان به امکان یادگیری و امکان انجام محاسبات موازی اشاره کرد.

کلیدواژه ها:

حافظه بلند مدت ، تحلیل دامنه ی استاندارد شده ، تحلیل دامنه ی استاندارد شده ی تغییر یافته ، روش چگالی طیفی