انتخاب سبد سهام با بکارگیری الگوریتم کلونی مصنوعی زنبور و مقایسه ی آن با الگوریتم های ژنتیک و مورچگان

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:

تصمیم گیری  در زمینه سرمایه گذاری یکی از مسائل اساسی در مدیریت مالی است . وقتی که سرمایه گذار با گزینه های مختلفی جهت سرمایه گذاری روبرو می گردد بایستی در مورد تعداد دارایی های انتخابی و میزان سرمایه گذاری بر روی هر کدام از آن ها تصمیم گیری نماید. انتخاب ابزار و تکنیک های که بتواند سبدسهام مناسب را تشکیل دهد یکی از اهداف اصلی دنیای سرمایه گذاری است در این مطالعه جهت کمک به تصمیم گیری مطلوب در انتخاب سهام موجود در سبد براساس مدل مارکویتز از الگوریتم کلونی مصنوعی زنبوراستفاده شده است و برای تعیین کارایی این الگوریتم معیار شارپ، معیار ترینر و ریسک نامطلوب آن محاسبه و با سبد تشکیل شده از الگوریتم های ژنتیک و کلونی مورچگان مقایسه گردیده است. نمونه آماری پژوهش شامل شرکت های فعال پذیرفته شده، در بورس اوراق بهادار تهران از سال 1384 تا 1394 است که به روش حذف سیستماتیک انتخاب گردیده اند. نتایج پژوهش نشان می دهد معیار شارپ سبدسهام تشکیل شده از طریق  الگوریتم کلونی مصنوعی زنبور نسبت به الگوریتم های ژنتیک و مورچگان عملکرد بهتری دارد، اما هرچند معیار ترینر و ریسک نامطلوب سبد سهام تشکیل شده از طریق الگوریتم کلونی مصنوعی زنبور عملکرد بهتری داشته، ولی از لحاظ آماری این اختلاف معنادار نبوده است.

زبان:
فارسی
صفحات:
31 تا 46
لینک کوتاه:
magiran.com/p2087426 
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!