عنوان پایان‌نامه
انتخاب سبد سهام بهینه از بین شرکتهای پذیرفته شده در بورس و اوراق بهادار تهران با استفاده از برنامه ریزی عدد صحیح
- رشته تحصیلی
- مدیریت صنعتی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 46408
- تاریخ دفاع
- ۱۵ مهر ۱۳۸۸
- دانشجو
- فاطمه فتحی
- استاد راهنما
- محمدرضا مهرگان
- چکیده
- انتخاب سبد سهام عمل دشوار و سختی در مبحث سرمایه‌گذاری است. در این فرآیند سرمایه‌گذار خود را در مقابل انتخاب‌های زیاد و بی نهایت گوناگونی می‌بیند که باید یکی از آنها را به عنوان بهترین روش انتخاب نماید. تصمیم‌گیری در خصوص این که کدام سهم در مقایسه با سایر سهام در وضعیت بهتری قرار دارد و شایستگی انتخاب شدن و قرار گرفتن در سبد سرمایه‌گذاری فرد را دارد و نحوه تخصیص سرمایه بین این اوراق، مباحثی پیچیده می‌باشند. از لحاظ تئوری، موضوع انتخاب سبد سهام در حالت حداقل نمودن ریسک در صورت ثابت در نظر داشتن بازده، با استفاده از یک معادله درجه دوم (به طور مشخص مدل مارکویتز) قابل حل است، لیکن در عمل مدل کلاسیک مارکویتز پیچیدگی‌های فراوانی دارد. چون تابع هدف کوادراتیک است، حل مدل برای تعداد زیاد سهام موجود در بازار زمان زیادی تا یافتن جواب بهینه طول می کشد. برای حل هر مدل مارکویتز باید اقدام به محاسبه ماتریس واریانس کوواریانسی به تعداد ترکیب نماییم که در این فرمول n نشان دهنده تعداد سهام مورد بررسی است. هرچند که موضوع زمان به دلیل وجود کامپیوترهای مدرن و بسته های نرم افزاری بهینه کلی دیگر خیلی حساس نیست. اما مساله دیگر این است که اگر تعداد سهام مورد بررسی به عنوان مثال 500 عدد باشد به احتمال زیاد تا 200 سهم در پرتفولیو قرار می‌گیرد که این موجب تخصیص مقداری از بودجه سرمایه‌گذار به بلوک‌های کوچک سهم می شود که این امر با در نظر گرفتن هزینه‌های تراکنش برای معاملات این‌گونه تخصیص دادن سهام سودآور نخواهد بود. همچنین متخصصان اذعان می‌دارند که برنامهریزی کوادراتیک عدد صحیح با تعداد کمی بیش از 50 سهم برای حل بسیار سخت می شود. لذا در این تحقیق برای حل از برنامهریزی خطی عدد صحیح برای حل این مسایل استفاده شده است. هدف تحقیق حاضر انتخاب سبد سهام از بین سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل بهینه‌سازی برنامه ریزی خطی عدد صحیح است، به گونه‌ای که سبد حاصله ضمن دستیابی به بازده مورد درخواست سرمایه‌گذار، ریسک سرمایه‌گذاری را نیز کمینه نماید و در عین حال ضمن دستیابی به مقدار صحیح برای سهام از پیچیدگی‌های حل با مدل مارکویتز نیز پرهیز شده باشد. برای دستیابی به این منظور مدلسازی ریاضی انجام شده و یک مدل برنامهریزی خطی عدد صحیح حاصل شد، لازم به ذکر است که تعداد 60
- Abstract
- Selecting a portfolio is a difficult task in investing affairs. In this process, investor finds herself in front of many selections and she has to select the best of them. Making decision about the issue of which stocks are fine enough to be selected in portfolio in comparison to other stocks and how to assign the capital to these stocks, is too much complicated. From theoretical point of view, selecting portfolios with minimum risk , if return is given, is solvable by using a square equation (specifically by Markowitz model) but in practice , Markowitz model is convoluted because of quadratic target function . When the number of the stocks is numerous, It takes too much time to solve. It’s necessary to calculate the variance and covariance matrix ( combination) to solve Markowitz model (in this formula n is the number of stocks). though by use of modern computer , time problem is nothing of any importance, the other problem still exists (for example if there are 500 stocks in the market and we are using this model, the portfolio contains about 200 stocks that means high transactional cost; it makes the portfolio non beneficial). In addition most experts claim it is very difficult to solve a quadratic equation with more than 50 number of stocks, so in this research we use the integer linear programming (ILP) to solve such problems. The main goal of this research is to generate a portfolio from the listed companies of Tehran Stock Exchange (TSE) by ILP in a way that the generated portfolio has minimum risk meanwhile reaching given return, and at the same time avoiding complexity of Markowitz model. To achieve this goal, a mathematical model has been run and an ILP model was made. it is necessary to know 60 stocks in chosen from TSE listed companies, return and price data have been gathered from 1382 to 1386 . Furthermore GAMS has been run and a portfolio was generated. Another vantage point of this research is applying window analysis to generate di
