A Hybrid Grey-Based Two-Step Clustering and Firefly Algorithm for Portfolio Selection
- سال انتشار: 1396
- محل انتشار: دوفصلنامه بهینه سازی در مهندسی صنایع، دوره: 10، شماره: 22
- کد COI اختصاصی: JR_JOIE-10-22_005
- زبان مقاله: انگلیسی
- تعداد مشاهده: 388
نویسندگان
Assistant professor, Department of Industrial Management, Semnan Branch, Islamic Azad University, Semnan, Iran
MSc, Department of Industrial Management, Semnan Branch, Islamic Azad University, Semnan, Iran
چکیده
Considering the concept of clustering, the main idea of the present study is based on the fact that all stocks for choosing and ranking will not be necessarily in one cluster. Taking the mentioned point into account, this study aims at offering a new methodology for making decisions concerning the formation of a portfolio of stocks in the stock market. To meet this end, Multiple-Criteria Decision-Making, Data Mining, and Multi-objective Optimization were employed. First, candidate stocks were clustered using two-step clustering method. Available stocks in each cluster were independently ranked using grey relational analysis. Firefly algorithm was employed for Pareto analysis of risk and ranking. The results of clustering in the stocks revealed that all candidate stocks were not placed in one cluster. The results of robustness analysis employed in ranking method verified the accuracy of calculations in the grey relational analysis through stock repetition of candidates in each cluster.کلیدواژه ها
Firefly algorithm, Grey relational analysis, Multiple-criteria decision-making, Portfolio optimization, Two-step clusteringمقالات مرتبط جدید
- تطبیق شیوه های تولید ناب در شرکت های کوچک و متوسط برای پشتیبانی از صنعت ۰.۴ در تولید
- چشم انداز بهره وری در تولید و لجستیک : تحلیلی بر تحقیقات گذشته و افق های پیش رو
- شناسایی پیامدهای رسالت شغلی در کارمندان تامین اجتماعی مشهد
- رویکردهای پیش بینی و بهینه سازی در صنایع مختلف و زنجیره تامین
- تحلیل عوامل موثر بر رفتار خرید آنلاین با تاکید بر مولفه های هوش مصنوعی
اطلاعات بیشتر در مورد 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.