عنوان پایان‌نامه
بهینه سازی پرتفوی در محیط فازی با استفاده از الگوریتم های تکاملی بر اساس معیارهای ریسک نا مطلوب
- رشته تحصیلی
- مدیریت مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 79240;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 79240
- تاریخ دفاع
- ۲۹ شهریور ۱۳۹۵
- دانشجو
- محمدرضا شکوهی
- استاد راهنما
- رضا تهرانی
- چکیده
- انتخاب سبد سهام بهینه، یکی از مهم ترین مسائل در حوزه تحقیقات مالی است. به این معنی که سرمایه‌گذار چه ترکیبی از دارایی ها را انتخاب کند تا مطلوبیت وی با توجه به محدودیت‌های موردنظر بیشینه گردد. مارکویتز بازده را به عنوان یک متغیر تصادفی در نظر گرفت و این مساله را با بیشینه سازی بازده و کمینه سازی واریانس به عنوان معیار ریسک حل کرد. اما بازده اوراق بهادار در دنیای واقعی معمولا مبهم و نادقیق است. در دنیای امروزی یکی از چالش های سرمایه گذاری در بازده دارایی ها، عدم‌اطمینان نسبت به وقایع آینده و پیامدهای آن‌ها می‌باشد. رویکرد سنتی در مدل کردن این عدم‌اطمینان، در نظر گرفتن بازده دارایی ها به صورت یک متغیر تصادفی است؛ اما این رویکرد باعث تحمیل شدن فرضیات غیر واقعی در انتخاب پرتفوی بهینه می شود. یکی از رویکردهای دیگر بکار گرفته شده در این زمینه، استفاده از منطق فازی است. این رویکرد اجازه می‌دهد که عدم اطمینان را به صورت کاراتری مدل کرده و فاکتورهای انسانی نیز در نظر گرفته شود. در تحقیق پیش روی سعی برآنست که معیارهای مختلف ریسک مانند نیمه واریانس و ارزش در معرض خطر با هم مقایسه گردند و بهترین روش برای محاسبه ریسک پرتفوی انتخاب گردد. بدین منظور در این پژوهش بازده به صورت عدد فازی در نظر گرفته می شود و معیار ریسک نیز لحاظ می گردد. برای حل این مساله، در حالت خاص از برنامه‌ریزی خطی و در حالت عمومی دو الگوریتم ژنتیک و الگوریتم گروه جستجو ارائه می شود و برای مقایسه جواب ها از معیار عملکرد اقتصادی استفاده خواهیم کرد. برای نشان دادن مثال عددی از داده های بورس اوراق بهادار تهران استفاده خواهیم نمود.
- Abstract
- Optimal Portfolio Selection is one of the most important issues in the field of financial research. This means what combination of assets the investor should choose to maximize the utilization with relevant limitation. Markowitz considered returns as a random variable and solved this problem with maximization of return and minimization of variance as risk criteria. However, return on Securities in the real world is usually vague and inaccurate. In today's world of investment, One of the challenges of investment in return on asset is uncertainty to future events and their consequences. The traditional approach to model this uncertainty is considering the return on assets as a random variable. But this approach led to imposing of unrealistic assumptions to optimal portfolio selection. One of the other approaches applied in this field is the use of fuzzy logic. This approach allows to model the uncertainty as character and considers human factors. In the present study tries to compare various criteria such as semi-variance risk with value at risk and chooses the best method for calculating portfolio risk. For this purpose, return is considered as a fuzzy number and risk criteria is considered as well in this research. In order to solve this problem, linear programming in the special case and two genetic algorithm and search group algorithm in general are presented and finally economic performance benchmark is applied in order to comparison of the responses. Tehran Stock Exchange’ data has been used to illustrate numerical example.
