عنوان پایان‌نامه
بهینه سازی پر تفوی با استفاده از الگوریتم های فرا ابتکاری چند هدفه
- رشته تحصیلی
- مدیریت مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 61836
- تاریخ دفاع
- ۲۸ اردیبهشت ۱۳۹۲
- دانشجو
- پریا کریمی
- استاد راهنما
- رضا راعی
- چکیده
- تمایل سرمایه¬گذاران شناخت و انتخاب ترکیب بهینه دارایی¬های مالی در سبد سهام است تا بدین وسیله بازده مورد انتظار خود را حداکثر و ریسک خود را حداقل نمایند. مارکویتز با ارائه مدل خود در زمینه سبد سهام نشان داد که با تشکیل سبدی از دارایی های مالی این امکان به وجود می¬آید که در سطح معینی از بازده ریسک را کاهش داد. اما آنها در تشکیل سبد سهام بهینه با دو مساله اساسی مواجه هستند. اولین مساله مربوط به معیار ریسک آن و مشکل دوم ناکارایی روش¬های ریاضی در حل مساله بهینه¬سازی سبد¬سهام تحت محدودیت عدد صحیح می¬باشد. به منظور برطرف ساختن این مسائل تحقیق حاضر سعی نمود با استفاده از الگوریتم¬های فراابتکاری چندهدفه ژنتیک و تجمع¬ذرات بر اساس معیار ریسک "گشتاور جزئی پائین" و با توجه به محدودیت عدد¬صحیح در تعداد سهام و میزان مشارکت هر سهم موجود در سبد سهام، مساله بهینه¬سازی را حل نماید. الگوریتم ژنتیک با الهام از فرآیندهای طبیعی و الگوریتم تجمع ذرات براساس حرکت پرندگان برای حل مسائل بهینه سازی طراحی شده اند. الگوریتم¬های چندهدفه سعی در بهینه کردن اهداف متفاوت و گاه متضاد دارد. به منظور حل مسأله بهینه¬سازی پرتفوی سهام، با استفاده از اطلاعات قیمت 124 سهم پذیرفته شده در بورس اوراق بهادار تهران از فروردین 1388 تا اسفند 1390 ، باتوجه به چهار هدف بازدهی 12 ماهه،36 ماهه، بازدهی نقدی و معیار ریسک گشتاور جزئی پائین اقدام به ترسیم مرز کارا گردید. نتایج این تحقیق نشان می¬دهد که بین نتایج حاصل از اجرای این دو الگوریتم تفاوت معنی داری وجود ندارد.
- Abstract
- Abstract Willingness of investors to identify and select the optimal composition of the portfolio of financial assets thereby maximizing their expected return and its risk to a minimum . With its model of Markowitz portfolio showed that portfolios consisting of financial assets, there is the possibility that a certain level of efficiency and reduced risk. But they are facing in the optimum portfolio with two fundamental issues. The first problem relates to the criteria of risk and inefficiency mathematical methods in solving the problem of portfolio optimization under constraints is an integer. In order to overcome these problems, the present study tried Using multi-objective genetic algorithms heuristic and aggregation of particles based on risk criteria "lower partial moments" And given the integer constraints on the number of shares and per share contribution in the portfolio, to solve the optimization problem. Inspired by the natural processes of genetic algorithm and particle aggregation algorithm based on the movement of birds have been designed to solve optimization problems. The objective of the algorithm is trying to optimize often conflicting goals. To solve the problem of optimal portfolio shares, 124 shares using price data listed in Tehran Stock Exchange from Farvardin 1388 to Esfand 1390, according to the four target return of 12 months, 36 months, yields and lower partial moment risk measure attempt to draw the efficient frontier. The results show a significant difference between the results of these two algorithms do not exist. Keywords: Portfolio optimization algorithms, multi-objective genetic algorithms, particle aggregation algorithms, lower partial moments.
