مطالب مرتبط با کلیدواژه

بهینه سازی سبد سهام


۱.

بهینه سازی سبد سهام چندهدفه با استفاده از رویکرد جدید بهینه سازی کرم میوه(مقاله پژوهشی دانشگاه آزاد)

نویسنده:
منبع: مدیریت صنعتی (آزاد سنندج) سال یازدهم تابستان ۱۳۹۵ شماره ۳۶

کلیدواژه‌ها: بهینه سازی سبد سهام محدودیت های کلاس و عدد صحیح برنامه ریزی غیر خطی درجه دوم الگوریتم بهینه سازی کرم میوه

حوزه های تخصصی:
تعداد بازدید : ۷۵۷ تعداد دانلود : ۷۴۰
یکی از معروفترین مسائل بهینه سازی در حوزه مهندسی مالی مسأله بهینه سازی سبد سهام می باشد. این مسأله در ساده ترین شکل خود به انتخاب سبدی از دارایی های مختلف می پردازد در حالیکه سعی در کمینه نمودن ریسک سبد انتخابی با توجه به محدودیت های تعریف شده نظیر محدودیت بودجه و عدد صحیح دارد. بطور کلی سرمایه گذاران ترجیح می دهند به جای سرمایه گذاری در یک دارایی، در چند دارایی سرمایه گذاری نموده تا به این وسیله با تنوع بخشی به سرمایه گذاری خود ریسک غیر سیستماتیک را کاهش دهند. مدل های محاسباتی پیچیده ای برای حل این مسأله توسعه یافته اند که برای بسیاری از آن ها حل بهینه ای وجود ندارد. در این مقاله، از یک رویکرد ابتکاری و فرا ابتکاری جدید بنام الگوریتم کرم میوه برای حل مسأله ای چند هدفه بر مبنای مدل میانگین- واریانس مارکوییتز با محدودیت های دسته بندی و عدد صحیح استفاده شده است. الگوریتم بهینه سازی حشره میوه (FOA) یک روش جدید برای یافتن جواب بهینه سراسری بر مبنای رفتار حشره میوه در پیدا کردن غذا می باشد. تا کنون مطالعات اندکی روی این الگوریتم صورت گرفته است و تقریباً هیچ یک از کارهای انجام شده از این الگوریتم برای حل مسأله بهینه سازی سبد سهام استفاده ننموده اند. نتایج بدست آمده نشان دهنده عملکرد نسبی بهتر این الگوریتم نسبت به الگوریتم ژنتیک برای مجموعه داده های بورس تهران می باشد.
۲.

گزینش پرتفوی بهینه سهام شرکت های صنایع غذایی در بورس اوراق بهادار تهران با استفاده از روش پیش بینی ترکیبی: کاربرد الگوی میانگین- واریانس- چولگی(مقاله علمی وزارت علوم)

نویسنده:
منبع: اقتصاد کشاورزی دوره ۱۱ زمستان ۱۳۹۶ شماره ۴ (پیاپی ۴۴)

کلیدواژه‌ها: بهینه سازی سبد سهام شبیه سازی مونت کارلو شبکه عصبی برنامه ریزی آرمانی بازار سرمایه

حوزه های تخصصی:
تعداد بازدید : ۸۰۴ تعداد دانلود : ۵۹۲
هدف از انجام تحقیق حاضر، ارائه روشی برای گزینش پرتفوی بهینه سهام شرکت های صنایع غذایی در بورس اوراق بهادار تهران با استفاده از الگوی میانگین- واریانس- چولگی با شش تابع هدف می باشد. جامعه آماری این مطالعه شامل 14 شرکت از گروه محصولات غذایی و آشامیدنی بجز قند و شکر و داده های مورد نیاز نیز شامل قیمت های روزانه سهام این شرکت ها منتهی به بهمن سال 1394 می باشد. برای این منظور ابتدا از سه روش مختلف پیش بینی برای تخمین قیمت سهام شرکت های صنایع غذایی استفاده شده و با توجه به خطای پیش بینی، به هر روش وزنی متناسب با قدرت تخمین آن داده شده است. برای اطمینان از بهینه بودن اوزان بدست آمده، قیمت های بدست آمده از روش ترکیبی با قیمت های بدست آمده از هر یک روش های پیش بینی بوسیله ی معیارهای سنجش خطا مورد مقایسه قرار گرفته اند. نتایج حاکی از برتری روش ترکیبی در پیش بینی قیمت ها با رتبه ی 71/1 می باشد. در ادامه بر اساس اوزان بدست آمده شش معیار میانگین، واریانس و چولگی مرتبط با بازده و خطای پیش بینی ترکیبی بدست آمده است. الگوی میانگین- واریانس- چولگی ساخته شده بوسیله برنامه ریزی آرمانی حل شده است. در انتها پرتفوی بدست آمده از الگوی میانگین- واریانس- چولگی با پرتفوی بدست آمده از الگوی میانگین- واریانس مقایسه شده است. نتایج نشان دهنده کارایی بالای الگوی میانگین- واریانس- چولگی در ایجاد یک سبد سهام بهینه با بازده بالایی نسبت به الگوی میانگین- واریانس می باشد. به طوری که میانگین بازدهی روزانه در طول یک ماه برای الگوی میانگین- واریانس- چولگی 52/0 درصد و برای الگوی میانگین- واریانس 32/0 درصد می باشد.
۳.

رویکرد ترکیبی ارزش افزوده اقتصادی و سود تقسیمی در بهینه سازی سبد سهام با استفاده از الگوسازی آرمانی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت دارایی و تامین مالی سال ششم تابستان ۱۳۹۷ شماره ۲ (پیاپی ۲۱) 1 - 14

کلیدواژه‌ها: ارزش افزوده اقتصادی الگوسازی آرمانی بهینه سازی سبد سهام رویکرد ترکیبی سود تقسیمی

حوزه های تخصصی:
تعداد بازدید : ۶۴۱ تعداد دانلود : ۵۳۸
یکی از اقدامات اساسی در راستای سرمایه گذاری صحیح در بازار سهام، توجه به معیارهای گوناگون در انتخاب سهام است. ازجمله این معیارها، ارزش افزوده اقتصادی را می توان نام برد. بدین منظور، شاخص های ریسک و بازده با معیارهای ارزش افزوده اقتصادی، سود تقسیمی و ضرایب کشیدگی و چولگی ترکیب و با استفاده از الگوسازی آرمانی، الگویی طراحی شد که به ترکیب بهینه ترین سبد سهام منجر می شود. محاسبه میزان اهمیت معیارهای الگو با استفاده از روش فرایند تحلیل سلسله مراتبی (AHP) انجام شد. در این پژوهش، مقایسه ای در نتایج حاصل از حضور آرمان ارزش افزوده اقتصادی در قبال نبود آرمان سود تقسیمی و برعکس و حضور هر دو آرمان و الگوی مارکوتیز انجام شده است. نتایج پژوهش نشان داد حضور هر دو آرمان، نسبت بازده به ریسک بیشتری از دیگر الگو های مدّنظر این پژوهش مانند الگوی مارکویتز دارد و درنتیجه، بازده بیشتری را نیز به ارمغان می آورد.
۴.

بهینه سازی سبد سهام بورس اوراق بهادار با استفاده از الگوریتم های فراکاوشی(مقاله علمی وزارت علوم)

نویسنده:
منبع: بورس اوراق بهادار سال دهم تابستان ۱۳۹۶ شماره ۳۸ 87 - 110

کلیدواژه‌ها: الگوریتم ازدحام ذرات الگوریتم جستجوی موجودات همزیست الگوریتم ژنتیک بهینه سازی سبد سهام

حوزه های تخصصی:
تعداد بازدید : ۶۲۳ تعداد دانلود : ۴۰۱
یکی از رویکردهای بهینه یابی که در علوم مختلف مورد استفاده قرار می گیرد الگوریتم های فراکاوشی می باشد. در این پژوهش، با استفاده از الگوریتم فراکاوشی جدید جستجوی موجودات همزیست (SOS) مدلی برای انتخاب بهینه پرتفوی معرفی گردیده و سپس نتایج بدست آمده از آن با نتایج بدست آمده از الگوریتم های قدیمی تر ژنتیک (GA) و ازدحام ذرات (PSO) مقایسه گردیده است. بدین منظور با استفاده از اطلاعات ده ماهه ی بازده ی 50 شرکت برتر بورس، پرتفوی بهینه با توجه به هدف حداکثر سازی سود و حداقل سازی ریسک به وسیله ی الگوریتم های مذکور برآورد و با یکدیگر مقایسه گردیده است. نتایج به دست آمده از اجرای الگوریتم ها حاکی از آن است که علیرغم توانایی بالای الگوریتم های مورد بررسی در بهینه سازی سبد سهام، الگوریتم SOS در مقایسه با سایر الگوریتم های مورد بررسی توانایی بالاتری در بهینه سازی سبد سهام دارد
۵.

بهینه سازی سبد سهام با استفاده از الگوریتم تجمع ذرات سه هدفه(مقاله علمی وزارت علوم)

نویسنده:
منبع: نظریه های کاربردی اقتصاد سال پنجم زمستان ۱۳۹۷ شماره ۴ 31-52

کلیدواژه‌ها: بهینه سازی سبد سهام مدل مارکوئیتز الگوریتم MOPSO الگوریتم NSGA2

حوزه های تخصصی:
تعداد بازدید : ۵۶۹ تعداد دانلود : ۴۶۵
در ﺑﻬیﻨﻪ ﺳﺎزی سبد دارایی، ﻣﺴﺌﻠﻪ اﺻﻠی اﻧﺘﺨﺎب ﺑﻬیﻨﻪ دارایی ﻫﺎ و اوراق ﺑﻬﺎداری اﺳﺖ ﻛﻪ ﺑﺎ ﻣﻘﺪار ﻣﺸﺨﺼی ﺳﺮﻣﺎیﻪ ﻣی ﺗﻮان ﺗﻬیﻪ نمود. اﮔﺮ ﭼﻪ حداقل سازی ریﺴﻚ و حداکثرسازی ﺑﺎزده ﺳﺮﻣﺎیﻪ ﮔﺬاری ﺑﻪ ﻧﻈﺮ ﺳﺎده ﻣی رﺳﺪ، اﻣﺎ در ﻋﻤﻞ روش ﻫﺎی ﻣﺘﻌﺪدی ﺑﺮای ﺗﺸﻜیﻞ سبد ﺑﻬیﻨﻪ مطرح شده است. در سال 1950 هری مارکوئیتز مدل خود را ارائه کرد که در آن مسئله بهینه سازی سبد دارایی را به صورت یک مدل برنامه ریزی درجه دوم با هدف حداقل سازی واریانس مجموعه دارایی ها با این شرط که بازده مورد انتظار برابر با یک مقدار ثابت باشد، مطرح کرد. در این تحقیق مسئله بهینه سازی سه هدفه (یعنی حداکثرسازی بازده سبد سهام، حداقل سازی ریسک آن و تابع هدف سوم یعنی حداقل سازی تعداد دارایی ها یا سهام ها) مورد مطالعه قرار گرفته است. بر این اساس، سرمایه گذاران با پذیرش مقدار کمی ریسک و تقریباً همان مقدار بازده، سبدی را انتخاب می کنند که تعداد دارایی کمتر داشته باشد. برای این منظور در ابتدا از دو الگوریتم ژنتیک رتبه بندی نامغلوب (NSGA2) و الگوریتم تجمع ذرات چند هدفه (MOPSO) برای برآورد مدل دو هدفه حداقل واریانس و حداکثر بازده برای شناسایی الگوریتم بهتر مورد استفاده قرار گرفت. سپس با توجه به عملکرد بهتر الگوریتم MOPSO، از این الگوریتم برای برآورد مدل سه هدفه حداکثرسازی بازده سبد سهام، حداقل سازی ریسک و حداقل سازی تعداد سهام ها مورد استفاده قرار گرفت.
۶.

بهینه سازی سبد سهام با استفاده از روش Mean-CVaR و رویکرد ناهم سانی واریانس شرطی متقارن و نامتقارن(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۲۲ تابستان ۱۳۹۹ شماره ۲ 149 - 159

کلیدواژه‌ها: ارزش در معرض خطر (VaR) ارزش در معرض خطر شرطی (CVaR) بهینه سازی سبد سهام ناهم سانی واریانس

حوزه های تخصصی:
تعداد بازدید : ۲۰۳ تعداد دانلود : ۲۱۴
هدف: مدیریت ریسک یکی از حوزه های مهم پژوهشی در رشته مالی است که مدیران و سرمایه گذاران بسیاری در بخش های مختلف به آن توجه کرده اند، به خصوص با وقوع بحران های مالی در سال های اخیر، اهمیت اجرای پژوهش های دقیق تر در این حوزه دوچندان شده است. هدف اصلی این پژوهش، ارائه مدلی برای اندازه گیری دقیق تر ریسک در پرتفولیوهای سهام است. روش: برای اجرای این پژوهش، از قیمت پایانی تعدیل شده 30 شرکت بورسی که نمونه آماری این پژوهش بودند، استفاده شده است. با در نظر گرفتن مدل CVaR به عنوان مدل اصلی پژوهش و با استفاده از روش های مختلف مدل سازی واریانس، 4 مدل مجزا به دست آمد. در روش نخست، ارزش در معرض ریسک شرطی با بهره گیری از واریانس ثابت محاسبه شده است و در 3 روش دیگر، واریانس از مدل های GARCH و E-GARCH و T-GARCH مدل سازی شده است. یافته ها: در نهایت، نتایج به دست آمده با دو آزمون آماری مقایسه زوجی و ویلکاکسون سنجیده شدند. نتایج هر دو آزمون نشان داد که مدل سازی واریانس در دستیابی به پرتفوی بهینه تر، عملکرد بهتری دارد. نتیجه گیری: بر اساس یافته های پژوهش و تأیید فرضیه های اصلی پژوهش، می توان نتیجه گرفت که در نظر گرفتن ناهم سانی واریانس موجود در بازار مالی ایران و وارد کردن این موضوع در مدل های بهینه سازی، به عملکرد بهتر در بهینه سازی سبدهای سرمایه گذاری می انجامد. همچنین یافته ها نشان داد که استفاده از مدل CVaR به جای مدل های سنتی ریسک، به صورت معناداری در بهبود عملکرد این صندوق ها مؤثر است.
۷.

توسعه مدل بهینه سازی سبد سهام مارکوییتز با توجه به ملاحظات غیرمالی سرمایه گذار و حمایت از تولیدات داخلی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۱۳ بهار ۱۴۰۰ شماره ۱ 53 - 79

کلیدواژه‌ها: بهینه سازی سبد سهام مسئولیت اجتماعی تحلیل پوششی داده ها کارایی متقاطع ارزش در معرض ریسک شرطی

حوزه های تخصصی:
تعداد بازدید : ۳۳۸ تعداد دانلود : ۴۰۳
هدف: امروزه بازار سرمایه به عنوان منبع مهم تامین مالی شرکت ها محسوب می شود و درصورت طراحی مدل مناسب انتخاب سبد سهام با درنظرگرفتن ترجیحات متفاوت سرمایه گذاران می توان سرمایه های موجود را به سمت این بازار و در نتیجه حمایت از تولیدات داخلی کشور سوق داد. هدف این پژوهش توسعه مدل مارکوویتز به منظور لحاظ کردن ترجیحات غیرمالی سرمایه گذاران علاوه بر شاخص های مالی می باشد. روش: برای سنجش نمره مسئولیت اجتماعی شرکت  از مدل اندازه گیری با دامنه تعدیل شده و برای سنجش ریسک، مدل ارزش در معرض ریسک شرطی بر روی کارایی متقاطع استفاده شد، سپس با استفاده از روش معیار جامع مدل چندهدفه بهینه سازی سبد سهام پیشنهاد شد. یافته ها: مدل های تک هدفه و چندهدفه (معیار جامع) با توآن های مختلف در نرم افزار گمز اجرا شد. بررسی عملکرد این مدل ها با استفاده از شاخص شارپ نشان داد که مدل های تک هدفه بیشینه سازی بازده وکمینه سازی ریسک به ترتیب دارای بالاترین عملکرد و مدل تک هدفه بیشینه سازی مسئولیت اجتماعی دارای پایین ترین عملکرد است. و مدل پیشنهادی حداقل 5/74 درصد از اهداف سه گانه و متناقض را براساس معیار شارپ برآورده نموده است. نتیجه گیری: مدل پیشنهادی ضمن بهینه سازی همزمان سه تابع هدف و برقراری یک بده - بستان بین این اهداف متناقض، نمره شارپ مناسبی نسبت به سایر مدل ها و همچنین سبد بازار  بدست آورده و سبد سهام مناسبی را در یک جبهه کارا (پاره تو فرانت)، از بین شرکت ها ی با بیشینه بازده و کمینه ریسک که نمره مسئولیت اجتماعی بالایی داشته اند، انتخاب و معرفی نموده است و اگر مدل با توآن های بیشتری اجرا شود، شرکت ها و سناریوهای بیشتری در اختیار سرمایه گذاران قرار می دهد.
۸.

بهینه سازی سبد سهام با استفاده از الگوریتم جست وجوی ارگانیسم های هم زیست(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۱۸ تابستان ۱۳۹۵ شماره ۲ 369 - 390

کلیدواژه‌ها: الگوریتم جستجوی ارگانیسم های هم زیست بهینه سازی سبد سهام روش های فراابتکاری محدودیت کاردینالیتی

حوزه های تخصصی:
تعداد بازدید : ۲۹۷ تعداد دانلود : ۱۸۰
بهینه سازی سبد سهام یکی از مهم ترین موضوعاتِ تصمیم گیری برای شرکت های فعال در بازار سرمایه است. هنگامی که وضعیت و محدودیت های دنیای واقعی نظیر محدودیت سرمایه گذاری در هریک از سهام ها و نیز محدودیت تعداد سهام های موجود در سبد سهام در نظر گرفته می شوند، مسئله بهینه سازی سبد سهام به راحتی حل نمی شود، از این رو استفاده از شیوه های فراابتکاری مد نظر قرار می گیرد. هدف اصلی از پژوهش حاضر، حل مسئله بهینه سازی سبد سهام با استفاده از نوعی الگوریتم فراابتکاری کاملاً جدید و نوظهور به نام الگوریتم جست وجوی ارگانیسم های هم زیست با در نظر گرفتن محدودیت های دنیای واقعی در تشکیل سبد سهام است. این الگوریتم با الهام از روابط هم زیستی موجود در اکوسیستم های گوناگونی که در طبیعت وجود دارد، در سال 2014 معرفی شده است. در نهایت روش و مدل مورد استفاده در این پژوهش با داده های واقعی حل شد و نتایج آن تجزیه و تحلیل شدند. نتایج این پژوهش نشان می دهد، الگوریتم جست وجوی ارگانیسم های هم زیست در بهینه سازی سبد سهام، عملکرد موفقی داشته و توانسته است به نحو مطلوبی با محدودیت های واقعی بازار تعامل کند
۹.

بهینه سازی سبد سهام با استفاده از الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری (TLBO) در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۱۹ تابستان ۱۳۹۶ شماره ۲ 263 - 280

کلیدواژه‌ها: ارزش در معرض ریسک مشروط الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری بهینه سازی سبد سهام روش های فراابتکاری مدل میانگین واریانس

حوزه های تخصصی:
تعداد بازدید : ۴۲۰ تعداد دانلود : ۱۷۰
افزایش بازده و کاهش ریسک، همواره یکی از مهم ترین مسائلی است که سرمایه گذاران در بازارهای مالی به آن توجه می کنند. با وجود سابقه طولانی بهینه سازی سبد سهام، الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری که در سال 2010 معرفی شده است، یکی از کاراترین روش های فرا ابتکاری، برای حل مسائل بهینه سازی است. در این پژوهش، سعی شده است مسئله بهینه سازی سبد سهام، در چارچوب مدل معرفی شده مارکوویتز، با استفاده از الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری حل شود. بدین منظور، از بازدهی های روزانه 20 شرکت پذیرفته شده در بورس اوراق بهادار تهران که دارای نقدینگی بالا در بازه زمانی 1391 تا 1395 بودند، استفاده شده است. نتایج به دست آمده از این تحقیق نشان می دهد الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری، نسبت به سایر الگوریتم ها برای یافتن مرز کارا و بهینه سازی سبد سهام، عملکرد بهتری دارد.
۱۰.

بهینه سازی سبد سهام به کمک الگوریتم فراابتکاری دسته های میگو با استفاده از معیارهای مختلف از ریسک در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۲۰ زمستان ۱۳۹۷ شماره ۴ 409 - 426

کلیدواژه‌ها: الگوریتم دسته های میگو بهینه سازی سبد سهام الگوریتم های فراابتکاری ریزش مورد انتظار نیم واریانس

حوزه های تخصصی:
تعداد بازدید : ۲۱۰ تعداد دانلود : ۱۲۶
هدف: بهینه سازی سبد سهام از مهم ترین مسائل سرمایه گذاری است. نخستین بار، هری مارکوویتز، ریسک را در این مسئله به کار برد. پس از آن، این موضوع از جنبه های مختلف از جمله معیارهای گوناگون ریسک، روش های بهینه سازی و در نظر گرفتن هزینه معاملات مورد بررسی گرفته است. در این پژوهش سعی بر این است که روش فراابتکاری دسته های میگو در بهینه سازی سبد سهام استفاده گردد و مزایای احتمالی آن بر شمرده شود. روش: در این پژوهش تلاش شده است به کمک الگوریتم جدید دسته های میگو، مسئله بهینه سازی سبد سهام حل شده و مرز کارا محاسبه شود. همچنین ریسک با سه معیار واریانس، نیم واریانس و ریزش مورد انتظار بررسی شده است. داده های این پژوهش، بازده های تعدیل شده سهام 50 شرکت فعال تر بورس از تاریخ 01/07/1391 تا 31/06/1396 است. یافته ها: در ابتدا مرزهای کارای پرتفوهای بهینه بر اساس معیارهای ریسک واریانس، نیم-واریانس و ریزش مورد انتظار رسم شده است. شباهت تقریبی سه مرز کارا، نشان از ثبات الگوریتم در یافتن آن دارد. سپس نسبت های شارپ به دست آمده از روش دسته های میگو با روش های رقابت استعماری و تجمعی ذرات مقایسه شده و مشاهده می شود که نسبت به آن ها ارجحیت دارد. نتیجه گیری: الگوریتم دسته های میگو در یافتن مرز کارا و پرتفوهای بهینه در مقایسه با سایر الگوریتم های مرسوم عملکرد بهتری داشته و می توان آن را جایگزین این روش ها کرد و به نتایجی مطلوب تر دست یافت.  
۱۱.

بهینه سازی سبد سهام با تلفیق کارایی متقاطع و نظریه بازی ها(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۸ زمستان ۱۳۹۵ شماره ۴ 685 - 706

کلیدواژه‌ها: بهینه سازی سبد سهام کارایی متقاطع نظریه بازی ها

حوزه های تخصصی:
تعداد بازدید : ۲۱۷ تعداد دانلود : ۱۷۴
مسئله بهینه سازی سبد سهام، یکی از مهم ترین مسائل سرمایه گذاری است. اغلب مدل های ریاضی که برای حل این مسئله ارائه شده اند، بر مبنای سوابق بازده سهم ها به حل مسئله پرداخته اند. به تازگی، استفاده کارایی متقاطع حاصل از مدل های تحلیل پوششی داده ها به جای سوابق بازده، در کانون توجه قرار گرفته است. در این پژوهش جدول کارایی متقاطع که مجموعه نشانگرهایی از وضعیت هر شرکت در شرایط محتمل آینده است، به عنوان جدول بازده در یک بازی دو نفره جمع صفر بین سرمایه گذار و بازار در نظر گرفته می شود. در این بازی فرض می شود سرمایه گذار قادر است شرکت مد نظر را برای سرمایه گذاری برگزیند و بازار می تواند وضعیت را به نفع هر یک از شرکت ها که خواست، برگرداند. فرض جمع صفر، یک تقابل بین سرمایه گذار و بازار را تداعی می کند که مناسب روحیه احتیاط در برابر بازار است . سبد بهینه سهام را احتمالات بهینه حاصل از حل مدل بازی برای انتخاب سیاست بهینه خریدار مشخص می کند. نتایج نشان می دهد عملکرد روش پیشنهادی در مقایسه با عملکرد سبد بازار قابل قبول است.
۱۲.

ارائه ترکیبی از برنامه ریزی پویای تصادفی تقریبی و الگوریتم ژنتیک در بهینه سازی چندمرحله ای سبد سهام با معیار ریسک GlueVaR(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۱۱ پاییز ۱۳۹۸ شماره ۳ 517 - 542

کلیدواژه‌ها: بهینه سازی سبد سهام برنامه ریزی پویای تصادفی معیار ریسک GlueVaR الگوریتم ژنتیک سناریوسازی

حوزه های تخصصی:
تعداد بازدید : ۳۸۲ تعداد دانلود : ۱۴۰
هدف: انتخاب یک سبد سرمایه گذاری بهینه در طولانی مدت منطقی نیست و با گذشت زمان کارایی خود را از دست می دهد. هدف این مقاله ارائه روشی برای به روز کردن چندمرحله ای سبد سهام است. همچنین از آنجا که بعد این مسئله با گذشت دوره های زمانی، به صورت چشمگیری افزایش می یابد، حل مسئله به روش قطعی ممکن نیست، از این رو هدف دیگر، استفاده از روش تقریبی برای مقابله با این دغدغه است. روش: از برنامه ریزی پویای تصادفی تقریبی چندمرحله ای برای تعیین سبد بهینه سهام و رفع مشکل ناکارایی آن با گذشت زمان استفاده شده است. از نرخ های بازده به عنوان متغیر تصادفی طی دوره ها، از روش مونت کارلو برای سناریوسازی و از معیار ریسک GlueVaR به عنوان معیار اندازه گیری ریسک استفاده شده است. با استفاده از روش تقریبی، امکان حذف برخی از جواب های بهینه افزایش می یابد، از این رو، از الگوریتم ژنتیک برای جست وجو در اطراف پاسخ بهینه بهره برده شد تا در صورت امکان، جواب بهتری به دست آید. مدل سازی این پژوهش توسط نرم افزار متلب و آزمون های آن به کمک نرم افزار SPSS صورت پذیرفته است. یافته ها: در این مقاله از اطلاعات 100 شرکت برتر موجود در بورس اوراق بهادار تهران، در سال های 1390 تا 1396 استفاده شد و بر اساس روش برنامه ریزی پویای تقریبی پیشنهادی، الگوریتم ژنتیک و روش سبد سهام با وزن های برابر، به مقایسه بازدهی و ریسک سرمایه گذاری در سبدهای مختلف پرداخته شده است. نتیجه گیری: آزمون های آماری مربوطه نشان دهنده عملکرد بهتر روش پیشنهادی در مقایسه با دو روش دیگر است.
۱۳.

ارائه رویکردی مبتنی بر بهینه سازی تصادفی به منظور حل مساله انتخاب سبد سهام در بازار سرمایه ایران با استفاده از الگوریتم های فراابتکاری(مقاله علمی وزارت علوم)

نویسنده:
منبع: نظریه های کاربردی اقتصاد سال هشتم زمستان ۱۴۰۰ شماره ۴ 253 - 284

کلیدواژه‌ها: بهینه سازی سبد سهام الگوریتم ژنتیک الگوریتم گرگ خاکستری بورس اوراق بهادار تهران و فرابورس ایران

حوزه های تخصصی:
تعداد بازدید : ۴۰۰ تعداد دانلود : ۱۶۲
در این پژوهش مساله بهینه سازی سبد سهام در شرکت های پذیرفته شده در بازار سرمایه ایران به عنوان یک مساله بهینه سازی تصادفی چندهدفه مورد بررسی قرار گرفته است. تابع هدف اول شامل کمینه سازی ریسک و تابع هدف دوم شامل بیشینه سازی بازده است. محدودیت های مدل شامل محدودیت انتخاب شرکت ها به صورت منحصربفرد و همچنین محدودیت بودجه می باشد. به منظور حل مساله، دو الگوریتم فراابتکاری ژنتیک و گرگ خاکستری توسعه داده شده که با استفاده مثال های عددی برگرفته از 491 شرکت پذیرفته شده در بورس اوراق بهادار تهران و فرابورس ایران از تاریخ 5 فروردین 1397 تا 30 آذر 1400، مورد تجزیه و تحلیل عددی قرار گرفتند. مطابق با نتایج عددی می توان مشاهده نمود الگوریتم گرگ خاکستری در تمامی مثال ها دارای کارایی بالاتری نسبت به الگوریتم ژنتیک است. البته قابل توجه است که در هیچ کدام از مثال های عددی، درصد پاسخ های ناموجه در رویه بهبود الگوریتم ها از 02/10 درصد بیشتر نشده است. همچنین درصد بهبود کارایی الگوریتم گرگ خاکستری نسبت به الگوریتم ژنتیک بین 3 تا 11 درصد گزارش شده است.
۱۴.

مقایسه اثر چولگی و کشیدگی برای معیارهای ریسک سبدهای بهینه با استفاده از ساختار وابستگی توابع مفصل(مقاله علمی وزارت علوم)

نویسنده:
منبع: اقتصاد و تجارت نوین سال شانزدهم زمستان ۱۴۰۰ شماره ۴ 71-92

کلیدواژه‌ها: بهینه سازی سبد سهام ارزش در معرض خطر مشروط چولگی کشیدگی تابع مفصل

حوزه های تخصصی:
تعداد بازدید : ۴۲۳ تعداد دانلود : ۱۱۹
در حالی که بهینه سازی فرایند انتخاب بهترین گزینه از میان مجموعه ای از گزینه های در دسترس با توجه به محدودیت-های مشخص است، مهم ترین چالش های پیش روی سرمایه گذاران، مدیران مالی و مدل سازان تحقیق در عملیات است. برای بهینه سازی سبد سهام می توان از معیارهای مختلفی به عنوان ریسک در تابع هدف استفاده کرد که در این خصوص مقایسه هر یک از این روش ها از اهمیت خاصی برخوردار می باشد. این پژوهش سبد بهینه با معیارهای ریسک واریانس (MV)، نیم واریانس(MSV)، انحراف مطلق (MAD) و ارزش در معرض خطر مشروط (CVaR) برای پنج نماد حکشتی، کچاد، وپارس، خودرو و شبندر در دوره زمانی 1/9/99 تا 1/3/1400 را بدست آورد و هر چهار روش با هم مقایسه شد. سپس به ارزیابی اثر چولگی و کشیدگی بر سبدهای بهینه در هر چهار معیار ریسک با اعمال ساختار وابستگی توابع مفصل به کمک شبیه سازی مونت کارلو پرداخته می شود. در این راستا از سیستم توزیع پیرسون و مفصل گوسی برای شبیه سازی بازده ها با چولگی و کشیدگی های مختلف و با انحراف معیار و میانگین داده های تاریخی استفاده شد و نهایتا نشان داده می شود که این فرایند به تغییر در سبدهای بهینه در هر چهار روش بهینه سازی سبد منجر شد به طوری که تغییر ایجاد شده در مقدار ریسک ارائه شده در سبد بهینه CVaR بیشترین تغییر و در سبد بهینه MSV کمترین تغییر را ایجاد کرد.
۱۵.

پذیرش رمز ارزها به عنوان یک روش پرداخت و یا ابزار سرمایه گذاری نوین(مقاله علمی وزارت علوم)

نویسنده:
منبع: بورس اوراق بهادار سال پانزدهم بهار ۱۴۰۱ شماره ۵۷ 21 - 56

کلیدواژه‌ها: بهینه سازی سبد سهام ارزش در معرض ریسک الگوریتم کلونی زنبور مصنوعی چند هدفه الگوریتم ژنتیک رتبه بندی نامغلوب II الگوریتم کلونی مورچگان چند هدفه

حوزه های تخصصی:
تعداد بازدید : ۲۶۷ تعداد دانلود : ۱۹۱
مسئله انتخاب و بهینه سازی سبد سهام از مباحث مهم در حوزه سرمایه گذاری محسوب شده که موجب ارائه مدل های مختلفی جهت حل آن ها گردیده است. این قبیل مسائل غیر خطی و NP-Hard بوده و حل آن ها به روش دقیق بسیار مشکل و زمان بر است. با عنایت به اینکه روش های فرا ابتکاری قابلیت بالایی در حل مسئله بهینه سازی سبد سهام داشته، ازاین رو در این پژوهش با ارائه مدل میانگین – واریانس و نوعی از مدل میانگین - ارزش در معرض ریسک که در آن موضوع ارزش در معرض ریسک از منظری دیگر بررسی می گردد، و لحاظ محدودیت های دنیای واقعی، به حل مسئله بهینه سازی سبد سهام در بورس اوراق بهادار تهران با استفاده از الگوریتم های ژنتیک رتبه بندی نامغلوب II،کلونی مورچگان چندهدفه و کلونی زنبور مصنوعی چندهدفه پرداخته و در همین راستا عملکرد الگوریتم ها و مدل های موردمطالعه، مقایسه و بررسی شده است. نتایج این مطالعه نشان می دهد، در تکرار پایین در اجرای الگوریتم های موردبررسی، عملکرد الگوریتم ژنتیک رتبه بندی نامغلوب II بهتر از الگوریتم های کلونی زنبور مصنوعی چندهدفه و کلونی مورچگان چندهدفه است. با افزایش تکرار، عملکرد الگوریتم ها بهبودیافته، لیکن نرخ بهبود عملکرد آن ها یکسان نیست ، به نوعی که عملکرد الگوریتم کلونی زنبور مصنوعی چندهدفه از دو الگوریتم دیگر موردمطالعه بهتر بوده است. برای مقایسه عملکرد مدل های موردمطالعه، هر دو مدل در الگوی استاندارد میانگین- واریانس مورد مقایسه قرار گرفت که نتایج آن حاکی از کارآمدی بالاتر معیار ارزش در معرض ریسک به نسبت معیار واریانس در بهینه سازی سبد سهام است.
۱۶.

مقایسه اثر روش های بهینه یابی و برآورد بازده مورد انتظار بر سبد بهینه سهام(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات اقتصادی دوره ۴۹ بهار ۱۳۹۳ شماره ۱ (پیاپی ۱۰۶) 45 - 68

کلیدواژه‌ها: الگوریتم ژنتیک بهینه سازی سبد سهام شبکه عصبی مدل مارکویتز

حوزه های تخصصی:
تعداد بازدید : ۲۵۷ تعداد دانلود : ۱۰۶
در این مقاله نتایج دو روش بهینه سازی سبد سهام (روش متعارف کلاسیک و فراابتکاری ژنتیک) با استفاده از دو روش برآورد نرخ ها ی بازده مورد انتظار (شبکه ها ی عصبی و میانگین بازده تاریخی) در مدل مارکویتز با هم مقایسه شده اند. بازار سرمایه مورد مطالعه در این تحقیق بورس اوراق بهادار تهران با داده ها ی هفتگی شهریور 1389 تا شهریور 1390 است. نتایج نشان می دهند با اینکه دو روش کلاسیک و ژنتیک وزن ها ی مختلفی برای تشکیل سبد سرمایه گذاری توصیه می کنند، ترکیب آن ها سطح ریسک و بازده تقریباً یکسانی دارند. با توجه به اینکه حل مسائل با ابعاد خیلی بزرگ با روش کلاسیک مشکل و زمان بر است، الگوریتم ژنتیک روش جایگزین مناسبی برای حل مدل ها ی پیچیده تشکیل سبد سهام است. بازده حاصل از سبد سهام برای چهار زمان پیش بینی با استفاده از بازده ها ی مورد انتظار شبکه عصبی و میانگین بازده تاریخی نشان می دهد، روش شبکه عصبی در 3 ماه ابتدایی بهتر از روش میانگین بازده تاریخی عمل کرده است. 
۱۷.

ارائه یک چارچوب بنیادی برای مدل بهینه سازی بلک لیترمن و مقایسه عملکرد آن با مدل های موجود(مقاله علمی وزارت علوم)

نویسنده:
منبع: راهبرد مدیریت مالی سال دهم پاییز ۱۴۰۱ شماره ۳۸ 77 - 94

کلیدواژه‌ها: مدل بلک لیترمن مدل مارکوویتز تحلیل بنیادی بهینه سازی سبد سهام

حوزه های تخصصی:
تعداد بازدید : ۲۱۲ تعداد دانلود : ۱۳۴
یکی از مهم ترین نقاط ضعف مدل های بهینه سازی سنتی، عدم توجه به نظر سرمایه گذاران و تکیه بر اطلاعات گذشته است. مدل بلک لیترمن گرچه با ترکیب ماتریس دیدگاه های سرمایه گذار و اطلاعات گذشته این ضعف را برطرف کرد، اما هیچ روش مشخص و روشنی برای چگونگی تشکیل این ماتریس مشخص نکرده است. در این پژوهش، نخست با استفاده از روش تحلیل بنیادی یک چارچوب مشخص برای تشکیل ماتریس بازده دیدگاه های سرمایه گذار معرفی و سپس عملکرد سبد بهینه مدل بلک لیترمن بنیادی با مدل های مارکوویتز، نیم-واریانس و ارزش در معرض خطر شرطی مقایسه می شود. بازه زمانی پژوهش بین سال های 1395 تا 1400 و برای به دست آوردن سبد بهینه، از نرم افزار متلب استفاده شده است. نتایج نشان می دهد که با استفاده از معیارهای ارزیابی مختلف، سبد بهینه مدل بلک لیترمن بنیادی نسبت به سایر مدل های بهینه سازی موجود عملکرد بهتری دارد؛ همچین، بازده ایجاد شده توسط مدل بلک لیترمن در سطح ریسک بازار، به طوری معنی داری از بازده بازار در مدت مشابه بیشتر بوده است.
۱۸.

بررسی اثر انتخاب دوره مطالعه بر حل بهینه سازی سبد سهام بر اساس معیار متفاوت ریسک با استفاده از الگوریتم های فرا ابتکاری(مقاله علمی وزارت علوم)

نویسنده:
منبع: چشم انداز مدیریت مالی سال ۱۲ بهار ۱۴۰۱ شماره ۳۷ 95 - 122

کلیدواژه‌ها: بهینه سازی سبد سهام ارزش در معرض ریسک الگوریتم کلونی زنبور مصنوعی چندهدفه الگوریتم ژنتیک رتبه بندی نامغلوب II

حوزه های تخصصی:
تعداد بازدید : ۱۱۴ تعداد دانلود : ۱۲۷
نوسان بازدهی سهام در بازار سرمایه در دوره های متفاوت، قابل ملاحظه بوده و انتخاب دوره مطالعه اهمیت بسزایی در حل مسأله بهینه سازی سبد سهام دارد. ازاین رو، این پژوهش به مسأله بهینه سازی سبد سهام بر اساس مدل میانگین- واریانس و مدل میانگین- درصد دارایی در معرض ریسک که معیار ارزش در معرض ریسک را از منظر دیگری موردبررسی قرار داده، پرداخته و اقدام به حل آن با استفاده از الگوریتم های چندهدفه MOABC و NSGA II، در سه دوره مطالعه متفاوت 98-1396، 98-1393 و 98-1391 در بورس اوراق بهادار تهران، نموده است. همچنین ضمن تجزیه وتحلیل نتایج، دوره های مختلف ازلحاظ مطلوبیت سبدهای سهام پیشنهادی و کیفیت داده ها، موردبررسی قرارگرفته و کارآمدترین دوره انتخاب شده است. در ادامه به منظور اطمینان از نتایج به دست آمده، راه حل های ارائه شده حاصل از حل مدل های موردمطالعه با استفاده از الگوریتم های مورداستفاده در هریک از دوره های موردبررسی، به صورت مستقل و بر اساس یک دوره ثابت مورد تجزیه وتحلیل و مقایسه قرار گرفت. نتایج این پژوهش حاکی از آن است که انتخاب دوره مطالعه بر کیفیت راه حل های ارائه شده حاصل از حل مسأله بهینه سازی سبد سهام تأثیر بسزایی داشته و هرچقدر طول دوره مطالعه بیشتر بوده و میانگین و واریانس بازدهی سهام شرکت های موردبررسی در دوره مذکور از نوسان کمتری برخوردار باشد، دوره انتخابی اطمینان بخش تر بوده و حل مسأله بهینه سازی سبد سهام از مطلوبیت بالاتری برخوردار است.
۱۹.

بهینه سازی سبد سهام با سنجه های مبتنی بر ارزش در معرض ریسک و محدودیت تعداد سهام با استفاده از الگوریتم فراابتکاری دسته های میگو (مطالعه موردی: بورس اوراق بهادار تهران)(مقاله علمی وزارت علوم)

نویسنده:
منبع: چشم انداز مدیریت مالی سال ۱۲ پاییز ۱۴۰۱ شماره ۳۹ 147 - 169

کلیدواژه‌ها: ارزش در معرض ریسک شرطی الگوریتم دسته های میگو بهینه سازی سبد سهام بورس اوراق بهادار تهران محدودیت تعداد سهام

حوزه های تخصصی:
تعداد بازدید : ۹۶ تعداد دانلود : ۱۳۴
همواره یکی از اساسی ترین مسائل در تصمیمات سرمایه گذاری و بهینه سازی سبد سهام انتخاب یک سنجه مناسب برای بررسی ریسک و کاهش آن بوده است. در این مطالعه، به بررسی عملکرد الگوریتم دسته های میگو در بهینه سازی مدل های میانگین-ارزش در معرض ریسک و میانگین-ارزش در معرض ریسک شرطی با در نظر گرفتن محدودیت تعداد سهام برای 35 شرکت فعال در بورس اوراق بهادار تهران پرداخته شده است. برای آموزش الگوریتم از روش پنجره غلتان در دوره های 1390 تا 1397 و 1391 تا 1398 استفاده شده است. همچنین نسبت شارپ و نسبت شارپ شرطی سبد های حاصله مقایسه شده و معناداری تفاوت مدل ها با آزمون ویلکاکسون ارزیابی شده است. یافته ها حاکی از آن است که بیشترین مقدار بازده با اختلاف کمی متعلق به مدل با سنجه ارزش در معرض ریسک شرطی می باشد. لیکن در هر دو روش، سبدهای متشکل از 5 سهم دارای عملکرد بهتری می باشند. با توجه به بررسی های صورت گرفته در میان خروجی ها و مقایسات میان رده ای، این نتیجه حاصل گردید که بین عملکرد مدل های بهینه سازی مبتنی بر سنجه ی ارزش در معرض ریسک و ارزش در معرض ریسک شرطی تفاوت معناداری وجود ندارد. همچنین محدودیت کاردینالیتی عملکرد مدل را بهبود می بخشد و سبد با تعداد سهام کمتر بازدهی بهتری از خود نشان می دهد.
۲۰.

بهینه سازی سبد سرمایه گذاری رمزارزی در شرایط عدم اطمینان با بکارگیری روش تحلیل پوششی داده ها-برنامه ریزی استوار(مقاله علمی وزارت علوم)

نویسنده:
منبع: راهبرد مدیریت مالی سال ۱۱ پاییز ۱۴۰۲ شماره ۳ (پیاپی ۴۲) 99 - 126

کلیدواژه‌ها: بهینه سازی سبد سهام تحلیل پوششی داده ها برنامه ریزی استوار میانگین نیمه واریانس میانگین انحراف مطلق

حوزه های تخصصی:
تعداد بازدید : ۱۵۰ تعداد دانلود : ۱۲۸
بهینه سازی سبد سرمایه گذاری از موضوعات حیاتی حوزه مدیریت سرمایه گذاری است. نوسانات مختلف بازارهای مالی و عدم قطعیت پارامترها، بکارگیری مدل های کلاسیک را با چالش جدی مواجه می کند. از این رو بهینه سازی مدل های مالی در شرایط عدم اطمینان جهت انطباق با دنیای واقعی مورد توجه محققان قرار گرفته است. در پژوهش حاضر یک مدل ترکیبی بهینه سازی با بکارگیری همزمان روش تحلیل پوششی داده ها و بهینه سازی استوار به منظور ارزیابی ریسک با ورودی ها وخروجی های غیرقطعی توسعه یافته است. جامعه آماری پژوهش از درگاه کوین مارکت کپ استخراج شده است که در آن از داده های روزآمد قیمت تعدیل شده 37 رمز ارز برتر انتخابی برای برآورد ریسک و ایجاد پرتفوی بهینه مورد استفاده قرار گرفته است. یک رویکرد دو مرحله ای برای انتخاب و بهینه سازی سبد سهام، افزایش استواری فرایند سرمایه گذاری و ارزیابی جامع سهام مبتنی بر معیارهای مالی پیشنهاد شده است. در مرحله اول، ارزیابی کارایی سهام منتخب با استفاده از روش تحلیل پوششی داده ای - برنامه ریزی استوار[1] (RDEA) انجام می شود. سپس در فاز دوم، با استفاده از مدل های میانگین نیم واریانس و میانگین انحراف مطلق استوار، میزان سرمایه گذاری در سهام واجد شرایط تعیین می شود. عملکرد رویکرد پیشنهادی در مطالعه موردی داده های رمز ارز با عدم قطعیت فزاینده مورد ارزیابی قرار می گیرد. نتایج مقایسه ای مدل های همتای استوار با دو سنجه ریسک نشان می دهد که مدل میانگین نیم واریانس عملکرد بهتری در انتخاب و بهینه سازی سبد سرمایه گذاری دارد   [1]. Robust, Data Envelopment Analysis