یک روش جدید برای مسأله بهینه سازی سبد سهام براساس حداقل سطح پذیرش ریسک با استفاده از الگوریتم فرا ابتکاری کرم شب تاب
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 857
فایل این مقاله در 13 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AEFMC03_014
تاریخ نمایه سازی: 6 اسفند 1395
چکیده مقاله:
سبد سهام به ترکیبی از سهام های مختلف گفته می شود که برای سرمایه گذاری تشکیل می گردد . هدف سرمایه گذاران از تشکیل سبد سهام ،ایجاد شرایط با کمترین ریسک و در عین حال بیشترین بازده است .مساله انتخاب سبد سهام بهینه یکی از پیچیده ترین مسایل حوزه مالی و سرمایه گذاری است. و کاربردهای فراوانی در برنامه ریزی ها و تصمیم گیری های مالی دارد . انتخاب سبد سهام بهینه یک مساله NP سخت است و هیچ روش قطعی برای یافتن جواب دقیق برای این مساله در اندازه های بزرگ در زمان پاسخ مناسب وجود ندارد، بنابراین بایستی برای حل این مساله روشهای هوشمند و فرا ابتکاری مورد توجه قرار گیرد . تا کنون برای حل مساله بهینه سازی سبد سهام الگوریتمهای مختلفی شامل الگوریتم های بهینه سازی کلاسیک و الگوریتمهای بهینه سازی هوشمندو فراابتکاری (متاهیوریستیک ) پیشنهاد شده اند ، ازجمله این الگوریتم ها الگوریتم ژنتیک ،رقابت استعماری ازدحام ذرات می باشد .در این مقاله از الگوریتم کرم شبتاب برای حل این مساله استفاده شده است . هدف این تحقیق بررسی میزان کارایی الگوریتم کرم شب تاب در بهینه سازی سبد سهام نسبت به سایر الگوریتم های مطرح بوده است. بدین منظور مسئله بهینه سازی سبد سهام با استفاده از الگوریتم های کرم شب تاب، ازدحام ذرات، ترکیب ژنتیک و ازدحام ذرات و الگوریتم رقابت استعماری حل شده است و در ادامه نتایج بازده و ریسک حاصل از هر یک مورد مقایسه قرار گرفته است. به منظور دستیابی به این هدف اطلاعات 20 شرکت از شرکت های فعال در بورس، ارائه شده در سایت یاهو انتخاب شدند. نتایج حاکی از توانایی و دقت الگوریتم پیشنهادی در مقایسه با سایر الگوریتم های مورد مقایسه می باشد .
کلیدواژه ها:
نویسندگان
محمد سرایی
Islamic Azad University of arak, Arak, Iran
جمشید پارسافرد
Islamic Azad University of khalij-fars, khorramshahr, Iran
سمیه خاجوری
Islamic Azad University of khalij-fars, khorramshahr, Iran
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 :