حل مساله بهینه سازی سبد سهام شرکت های خصوصی در شرایط کمبود داده با استفاده از الگوریتم کلونی زنبور عسل (ABC)
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
سرمایه گذاران مختلف با سطوح سرمایه گذاری متفاوت در یک هدف با یکدیگر مشترک هستند و آن هم دست یابی به سبدی از دارایی ها است که در عین برآورده نمودن بازده مورد انتظار آنها، حداقل ریسک ممکن را به همراه داشته باشد. در این تحقیق هدف ما کمک به یک شرکت سرمایه گذاری جهت دست یابی به ترکیب بهینه ای از دارایی ها متشکل از سهام شرکت های خصوصی زیر مجموعه ی خود و انواع دیگری از دارایی ها که ریسک کمتری را به همراه دارند است. یکی از مشکلات اصلی در سرمایه گذاری در سهام شرکت های خصوصی، کمبود داده های مربوط به بازده و ریسک آنها در مقایسه با داده های موجود از سهام شرکت های بورسی است. در این تحقیق از یک رویکرد شبیه سازی که توانایی تولید مقادیر تصادفی در حالت کمبود داده را دارا است، جهت محاسبه ی بازده و ریسک سرمایه گذاری در شرکت های خصوصی پرداخته ایم. همچنین با توجه به این که مساله بهینه سازی سبد، یک مساله NP-Hard به شمار می آید، با تعریف یک مدل بهینه سازی دو هدفه برای مساله، به حل آن با استفاده از الگوریتم زنبور عسل مبتنی بر ماتریس کوواریانس پرداخته ایم. نتایج به دست آمده حاکی از آن است که یک سبد بهینه سبدی است که علاوه ترکیبی از دارایی های کم ریسک و پرریسک را درون خود داشته باشد.
کلیدواژگان:
زبان:
فارسی
صفحات:
77 تا 104
لینک کوتاه:
magiran.com/p1868173
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!