پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,504 |
| تعداد مشاهده مقاله | 124,123,538 |
| تعداد دریافت فایل اصل مقاله | 97,231,703 |
بهینهسازی پرتفوی سهام با استفاده از روش حرکت تجمعی ذرات | ||
| تحقیقات مالی | ||
| مقاله 2، دوره 12، شماره 29، مرداد 1389 اصل مقاله (457.86 K) | ||
| نویسندگان | ||
| رضا راعی1؛ هدایت علی بیکی2 | ||
| 1دانشیار دانشکده مدیریت دانشگاه تهران، ایران | ||
| 2دانشجوی کارشناسی ارشد مدیریت مالی دانشکده مدیریت دانشگاه تهران | ||
| چکیده | ||
| مسئله بهینهسازی مارکویتز و تعیین مرز کارای سرمایهگذاری، زمانیکه تعداد داراییهای قابل سرمایهگذاری و محدودیتهای موجود در بازار کم باشد، توسط مدلهای ریاضی حلشدنی است. اما هنگامیکه شرایط و محدودیتهای دنیای واقعی در نظر گرفته شود، مسئله بهینهسازی پرتفوی بهراحتی با استفاده از شیوههای ریاضی حـل نمیشود. بههمین دلیل استفـاده از شیوههای ابتکاری همچون شبکههای عصبی و الگوریتمهای تکاملی در بهینهسازی پرتفوی یکی از موضوعات مهم مورد بحث در دوران اخیر بوده است. هدف اصلی پژوهش حاضر حل مسئله بهینهسازی پرتفوی (مدل میانگین ـ واریانس) با استفاده از روش بهینهسازی حرکت تجمعی ذرات (PSO) است. بدین منظور با استفاده از اطلاعات قیمت 20 سهم پذیرفته شده در بورس اوراق بهادار تهران در فاصله زمانی مهر 1385 تا شهریور 1387، مرز کارای سرمایهگذاری رسم میشود. نتایج این پژوهش نشان میدهد، روش بهینهسازی حرکت تجمعی ذرات در بهینهسازی پرتفوی سهام با وجود محدودیتهای بازار موفق است. | ||
| کلیدواژه‌ها | ||
| بهینهسازی پورتفوی؛ تکنیک بهینهسازی حرکت تجمعی ذرات؛ مدل میانگین ـ واریانس؛ مرز کارا. | ||
| عنوان مقاله [English] | ||
| Portfolio optimization using particle swarm optimization method | ||
| نویسندگان [English] | ||
| Reza Raei1؛ Hedayat Alibeiki2 | ||
| چکیده [English] | ||
| The Markowitz’s optimization problem is considered as a standard quadratic programming problem that has exact mathematical solutions. Considering real world limits and conditions, the portfolio optimization problem is a mixed quadratic and integer programming problem for which efficient algorithms do not exist. Therefore, the use of meta-heuristic methods such as neural networks and evolutionary algorithms has been an important issue in the literature of portfolio optimization. This study considers the problem of finding the efficient frontier associated with the standard mean-variance portfolio optimization model and presents a heuristic algorithm based upon particle swarm optimization for finding the cardinality constrained efficient frontier. The test data set is the daily prices of 20 companies from March 2006 to September 2008 from the TEPIX in Iran. The results show that PSO is successful in constrained portfolio optimization to find the optimum solutions in all levels of risk and return. | ||
|
آمار تعداد مشاهده مقاله: 4,282 تعداد دریافت فایل اصل مقاله: 10,701 |
||