بهبود الگوریتم سردسازی تدریجی در مسئله انتخاب بهینه سبد سهام با معیار میانگین-نیم واریانس با استفاده از مدل اسپین گلاس
عنوان مقاله: بهبود الگوریتم سردسازی تدریجی در مسئله انتخاب بهینه سبد سهام با معیار میانگین-نیم واریانس با استفاده از مدل اسپین گلاس
شناسه ملی مقاله: ICTCK02_103
منتشر شده در دومین کنگره بین المللی فن آوری، ارتباطات و دانشICTCK۲۰۱۵ در سال 1394
شناسه ملی مقاله: ICTCK02_103
منتشر شده در دومین کنگره بین المللی فن آوری، ارتباطات و دانشICTCK۲۰۱۵ در سال 1394
مشخصات نویسندگان مقاله:
فاطمه دفاعی - گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد مشهد
مجید وفایی جهان - گروه کامپیوتر،دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد مشهد
خلاصه مقاله:
فاطمه دفاعی - گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد مشهد
مجید وفایی جهان - گروه کامپیوتر،دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد مشهد
انتخاب بهینه سبد سهام به منظور بیشینه کردن سود و کمینه کردن ریسک نامطلوب یکی از اصلی ترین دغدغه هایسرمایه گذاران در بازارهای مالی است. مدل میانگین-نیم واریانس یکی از مدلهایی است که میتوان در این زمینهمورداستفاده قرارداد. در این تحقیق کوشش شده است که این مدل را با استفاده از الگوریتم بهینه سازی سردسازیتدریجی حل کند. این الگوریتم در فرار از بهینه محلی توانایی بالایی دارد اما در رابطه با مسئله بهینه سازی سبد سهام،در بهینه محلی به دام میافتد و در پیدا کردن بهینه کلی ضعیف عمل می کند که با ترکیب آن با الگوریتم بهینه یابینوینی به نام اسپین گلاس به فرار آن از بهینه محلی، کمک می شود.نتایج آزمایشها نشان میدهد، الگوریتم ترکیبی می تواند با جابجایی اسپین ها که توسط الگوریتم سردسازی تدریجیانجام می شود و تغییر در مقادیر اسپین ها که توسط اسپین گلاس انجام میشود بهینه های محلی را سریع رد کرده ودرنهایت به بهینه کلی همگرا شود و مسئله انتخاب بهینه سبد سهام که یک مسئله غیر چندجمله ای است را حل کند.همچنین با بررسی توزیع بازده و مرز کارا نشان می دهد که توزیع بازده سهام در بازار واقعی، غیر نرمال است و معیارسنجش ریسک نیم واریانس نسبت به واریانس، معیار مناسب تری است.
کلمات کلیدی: الگوریتم سردسازی تدریجی ، بهینه سازی سبد سهام ، مدل اسپین گلاس ، مدل میانگین – نیم واریانس
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/517550/