بهینه سازی سبدسهام براساس حداقل سطح پذیرش ریسک کل و اجزای آن با استفاده از روش الگوریتم ژنتیک

چکیده:
ریسک و بازده دو عاملی هستند که همواره در حوزه سرمایه گذاری مطرح بوده اند. همزمان با به وجود آمدن مدل هایی جهت بهینه سازی سبد سهام که مهم ترین آن مدل مارکویتز بوده، لزوم شناخت روش های حل این مدل ها نیز از اهمیت بسزایی برخوردار شده اند. یکی از مهم ترین روش های فراابتکاری برای حل مدل های بهینه سازی سبد سهام الگوریتم ژنتیک می باشد، که یکی از اهداف این تحقیق بررسی میزان کارایی آن در بهینه سازی سبد سهام بوده است. بدین منظور در این تحقیق یکبار با استفاده از الگوریتم ژنتیک مرز کارای بهینه را به دست آورده و این مرز کارا را با مرز کارای حاصل از روش حل دقیق مقایسه می کنیم. به منظور دستیابی به این هدف 25 شرکت از شرکت های فعال در بورس اوراق بهادار تهران انتخاب شدند. محاسبات مربوط به تحقیق توسط نرم افزار 7.6Matlabانجام شده است. نتایج تحقیق مبین این مطلب است که مرزکارای بهینه به دست آمده با استفاده از روش الگوریم ژنتیک با مرزکارای حاصل از روش حل دقیق برابر بوده که نشان دهنده کارایی بالای الگوریتم ژنتیک در بهینه سازی سبد می باشد. همچنین در این تحقیق نتایج بیانگر این مطلب است که با مقایسه سبد های بهینه حاصل از حل، با تابع ریسک های سیستماتیک و غیر سیستماتیک، تنوع سهام در سبدهایی با تابع ریسک غیر سیستماتیک بسیار بیشتر از سبدهایی با تابع ریسک سیستماتیک بوده است.
زبان:
فارسی
صفحات:
125 تا 164
لینک کوتاه:
magiran.com/p1534042 
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!