عنوان پایان‌نامه
عنوان بهینه سازی سبد سرمایه گذاری با استفاده از الگوریتم ژنتیک چند هدفه برای مدل احتمالی چند دورهای میانگین – تیم واریانس – ارزش در معرض ریسک شرطی
- رشته تحصیلی
- مالی - حقوق مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77409;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77409
- تاریخ دفاع
- ۰۴ شهریور ۱۳۹۵
- دانشجو
- حمید کاوه
- استاد راهنما
- شاپور محمدی
- چکیده
- در مسئله بهینه‌سازی سبد سرمایه‌گذاری تصمیم می‌گیریم که درصدی از کل ارزش سبد سرمایه‌گذاری را به هریک از اجزاء پرتفوی با بازده و ریسک معینی تخصیص دهیم. بهینه‌سازی سبد سرمایه‌گذاری تک دورهای، که از مسائل کلاسیک حوزه مالی است بر پایه سه فرض محدودکننده: افق سرمایه‌گذاری کوتاه مدت، پارامترهای قطعی و از پیش تعیین شده و عدم توجه به هزینه معاملات بنا شده‌است. اما در بهینه‌سازی چند مرحله‌ای سبد سرمایه‌گذاری را در برابر تغییرات مداوم بازار مالی بوسیله ایجاد توازن بین دارایی‌ها، در فواصل زمانی معین برای دستیابی به حداکثر بازده و حداقل ریسک مدیریت می‌کنیم. در این پژوهش، ما به دنبال راه‌حل مناسبی برای غلبه بر محدودیت‌های مدل تک دورهای هستیم که ارتباط نزدیکی با دنیای واقعی داشته باشد. بنابراین مدلی تحت عنوان بهینه‌سازی چند دورهای احتمالی میانگین-نیم‌واریانس-ارزش در معرض ریسک شرطی با در نظر گرفتن هزینه معاملات را ارائه کرده و پس از مدلسازی آن، به حل آن با استفاده از الگوریتم ژنتیک رتبه‌بندی نامغلوب(NSGA-II) می‌پردازیم. عملکرد الگوریتم بوسیله تخصیص بهینه‌ای از وجه نقد و سهام‌های مختلفی از بازار بورس اوراق بهادار تهران نشان داده شده‌است.
- Abstract
- We decide to allocate a percentage of total value of portfolio to each component of portfolio with certain efficient and risk in the portfolio optimization problem. Optimization the single period portfolio, which is of the classical problems of the financial sphere based, has been created based on three restrictive assumptions: Horizon of short-term investment, the definitive and preset parameters and lack of attention to transactions cost. But we manage the portfolio in front of ongoing changes of financial market by creating balance between assets, at regular intervals to achieve maximum efficiency and minimum risk in multistage optimization. In this study, we are looking for the perfect solution to overcome the limitations of single-period model that is closely related to the real world. . So the model with the title of multi-stage stochastic optimization of the mean-semi variance –CVaR under the transactions cost has been presented and after modeling it, we solve it by using a non-dominate sorting genetic algorithm (NSGA-II). Algorithm performance has been shown by optimizing allocation of cash and various stock of market of Tehran Stock Exchange. Keywords: multi-period possible investment basket, scenario tree, transactions cost, non-dominate sorting genetic algorithm
