ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

انتخاب پرتفوی بهینه بر مبنای خوشهبندی با استفاده از الگوریتم ژنتیک

تعداد صفحات: 13 | تعداد نمایش خلاصه: 559 | نظرات: 0
سال انتشار: 1394
کد COI مقاله: MAVC01_007
زبان مقاله: فارسی
(فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 13 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 7,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله انتخاب پرتفوی بهینه بر مبنای خوشهبندی با استفاده از الگوریتم ژنتیک

علیرضا افشار - دانشجوی کارشناسی ارشدمدیریت دانشگاه آزاد اسلامی واحد ابهر
محمود نورایی - عضوهیئت علمی گروه مدیریت دانشگاه آزاد اسلامی واحد ابهر
محمد جلیلی - عضوهیئت علمی گروه مدیریت دانشگاه آزاد اسلامی واحد ابهر

چکیده مقاله:

هرمقاله انتخاب سبدسهام به منظور حداکثرسازی سود یکی ازاصلی ترین دغدغه های سرمایه گذاران دربازارهای مالی می باشد روشهای موجوددرانتخاب بهینه سبدسهام ازکارایی لازم برخوردار نبوده و لذا برای حل این مشکل الگوریتم های ابتکاری موردتوجه قرارگرفته اند الگوریتم ژنتیک یکی ازالگوریتم های ابتکاری است که میتواند مساله بهینه سازی را با کارایی بیشتری انجام دهد مساله دیگر آن است که سرمایه گذاران ویژگیهای شخصیتی متفاوتی باهم دارند ریسک گریز، ریسک پذیر و ... وهمچنین ممکن است به اطلاعاتی دسترسی داشته باشند که میزان سرمایه گذاری فرد را درشرکت خاصی کنترل نماید که درکارهای انجام شده قبلی این مسائل درنظر گرفته نشده اند هدف اساسی ازانجام این تحقیق بدست آوردن مدل انتخاب پرتفوی براساس سه معیار میانگین بازدهی واریانس بازدهی و نقدشوندگی دربورس اوراق بهادار می باشد به گونه ای که ضمن بیشینه نمودن بازده و نقدشوندگی ریسک سرمایه گذاری را نیز کمینه نماید دراین پژوهش 147 شرکت ازمیان شرکت های پذیرفته شده دربورس اوراق بهادارتهران بعنوان نمونه انتخاب شده اند و پس ازمحاسبه متغیرهای اصلی تحقیق و خوشه بندی شرکت ها به تهیه الگوریتم ژنتیک به منظور حداکثر کردن تابع هدف باتوجه به سلیقه و ترجیحات سرمایه گذارمی پردازیم هدف اصلی تشکیل سبدی ازسهام که ضمن بیشینه نمودن بازدهی و نقدشوندگی ریسک سرمایه گذاران را حداقل کرده و ترجیحات و سلایق سرمایه گذران را درانتخاب پرتفوی دخیل نماید نتایج حاصل ازاین تحقیق نشان میدهد که درحالت با خوشه بندی بطور کارارتری میتوان سلیقه سرمایه گذاران درانتخاب پرتفوی اعمال کرد که موجب میشود سرمایه گذاران مطلوبیت بیشتری را بدست آورند درحالیکه بدون اعمال خوشه بندی ترجیحات و روحیات سرمایه گذار درانتخاب پرتفوی درنظر گرفته نمی شود

کلیدواژه ها:

الگوريتم ژنتيك ، خوشه بندي ، ريسك ، بازده ، نقدشوندگي

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/374082/

کد COI مقاله: MAVC01_007

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
افشار، علیرضا و نورایی، محمود و جلیلی، محمد،1394،انتخاب پرتفوی بهینه بر مبنای خوشهبندی با استفاده از الگوریتم ژنتیک،اولین کنفرانس بین المللی مدیریت و حسابداری با رویکرد ارزش آفرینی،تهران،،،https://civilica.com/doc/374082

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1394، افشار، علیرضا؛ محمود نورایی و محمد جلیلی)
برای بار دوم به بعد: (1394، افشار؛ نورایی و جلیلی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • . مدرس، احمد و محمدی استخری، نازنین.، (1386)، _ انتخاب ...
  • . گرکز، منصور و عباسی، راهیم و مقدسی، مطره.، (1389)، ...
  • شهرستانی، حمید و ثوابی اصل، فرهاد و بیدآباد، بیژن.، (1389)، ...
  • . امیری، قصود و شریعت پناهی، مجید و بناکار، محمد ...
  • مالعلی زاده شهیر، سیمین و عشقی، کوروش.، (1382)، "کاربرد گوریم ...
  • اسلامی بیدگلی، غلامرضا.، (1391)، "مباحثی در تئوری و مدیریت مالی، ...
  • Portfolio Optimization Using Support Assetء، 5. Pankaj, G. and Mukesh, ...
  • Pankaj, G. and Mukesh, K. M. and Anand, S., (2010), ...
  • Portfolio Optimization Using Fuzzy Asset:ه 7. Panka, G. and Mukesh, ...
  • Mukesh, K., (2013), "Behavioral Optimization Models For Multicriteria Portfolio Selection" ...
  • Slimane, S. and Mohamed, B., (2012), "Portfolio Selection Using Genetic ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 1,531
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی