جستجوی مقالات مرتبط با کلیدواژه "بهینه سازی سبد سهام" در نشریات گروه "مدیریت"
تکرار جستجوی کلیدواژه «بهینه سازی سبد سهام» در نشریات گروه «علوم انسانی»-
در این پژوهش، مسیله بهینه سازی سبد سهام با رویکرد خوشه بندی مورد مطالعه قرار می گیرد. هدف مسیله، کمینه نمودن واریانس سبد است. روش خوشه بندی سهام، دسته بندی ضرایب بتای سهم ها در چهار خوشه است. سرمایه گذار دارای بازده مورد انتظاری است که سبد باید آن را برآورده نماید. بازده مورد انتظار و سهم های خوشه بندی شده، ورودی مسیله هستند. امکان وام گیری و فروش استقراضی در مسیله نیست. یک مدل ریاضی غیر خطی عدد صحیح مختلط برای معرفی سبد پیشنهادی ارایه شده و در یک مطالعه موردی بر روی 50 شرکت فعال تر بورس بررسی می شود. در نهایت شاخص شارپ، نتیجه ای مطلوب نشان می دهد.
کلید واژگان: بهینه سازی سبد سهام, خوشه بندی, ضریب بتا, بازده, واریانس -
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.
روشبرای 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 هامدل 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 گیریمدل 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 های 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.
کلید واژگان: بهینه سازی سبد سهام, مسئولیت اجتماعی, تحلیل پوششی داده ها, کارایی متقاطع, ارزش در معرض ریسک شرطیObjectiveNowadays, the capital market is considered an important source of financing for companies and if a suitable model for portfolio selection by considering different preferences of investors is designed, the existing capital can be directed to this market and support domestic products. This study develops the Markowitz model to consider the non-financial preferences of investors in addition to financial indicators.
MethodsRange Adjusted Measure (RAM) and Conditional Value at Risk (CVaR) model on Cross-efficiency were applied respectively to measure the Corporate Social Responsibility (CSR) score and risk, and then the multi-objective portfolio optimization model was proposed using the LP-Metric method.
ResultsSingle-objective and multi-objective models (LP-Metric) with different powers were implemented in GAMS software. Examining the performance of these models using the Sharpe ratio showed that the single-objective models of maximizing returns and minimizing risk have the highest performance and the single-objective model of maximizing social responsibility have the lowest performance, respectively. The proposed model also meets at least 74.5 percent of the triple and contradictory goals according to the Sharpe ratio.
ConclusionWhile the proposed model optimizes the three objective functions simultaneously and establishing a trade-off between these conflicting goals, has obtained a good Sharpe score compared to other models and market portfolio and a suitable portfolio on a Pareto Front has been selected and introduced among the companies with maximum return and minimum risk that have a high score of social responsibility, and if the model is applied with more powers, it will provide more companies and scenarios to investors.
Keywords: Portfolio optimization, Social Responsibility, Data Envelopment Analysis, Cross-efficiency, Conditional Value at Risk -
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.
روشاز 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 هادر 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 گیریآزمون های آماری مربوطه نشان دهنده عملکرد بهتر روش پیشنهادی در مقایسه با دو روش دیگر است.
کلید واژگان: بهینه سازی سبد سهام, برنامه ریزی پویای تصادفی, معیار ریسک GlueVaR, الگوریتم ژنتیک, سناریوسازیObjectiveThe selection of an optimal investment portfolio for a long-term period does not seem logical. So the investors should update their investment portfolios over specific time periods if needed. Since the problem dimensions significantly increase after the periods, a definitive solution to the problem is not achievable.
MethodsIn this regard, the Multistage Approximate Stochastic Dynamic Programming has been used to make the best portfolio over each period by using a stochastic return rate. The Monte Carlo was used for scenario development, and GlueVar was selected as a risk measurement criterion. The approximation technique was used to resolve for large dimensions; however, some optimized solutions may be eliminated so we used the Genetic Algorithm for the rapid search around the optimal solution to obtain a better one, if possible.
ResultsTop 100 companies listed in the Tehran Stock Exchange between 2011 and 2017 were investigated. This study investigated and compared the return and risk of investment portfolios based on the proposed method, Genetic Algorithm, and stock portfolio with equal weights. The modeling was done with MATLAB and tests were carried out with SPSS.
ConclusionThe results indicated a higher performance of the proposed method in comparison with the other mentioned methods.
Keywords: Portfolio optimization, Stochastic dynamic programming, GlueVaR risk measurement, Genetic Algorithm, Scenario constructiom -
امروزه، تشکیل سبد سهام بهینه و مدیریت آن از اصلی ترین حوزه های تصمیم گیری مالی بشمار می رود. بنابراین، انتخاب سبدی از سهام که بتواند به صورت همزمان بالاترین نرخ بازده را برای دارنده آن به ارمغان آورده و همچنین ریسک سرمایه گذاری را به حداقل میزان ممکن کاهش دهد، به یکی از دغدغه های اصلی فعالان اقتصادی مبدل گردیده است. لیکن در انتخاب سبد سهام بهینه، صرفا این دو عامل تعیین کننده نبوده و متناسب با محیط اقتصادی می تواند عوامل مختلفی بر این فرآیند تاثیرگذار باشد که می بایست شناسایی و به کار گرفته شوند. لذا این امر، استفاده از رویکردهای تصمیم گیری چندمعیاره را اجتناب ناپذیر نموده است. از سوی دیگر، هنگامی که شرایط و محدودیت های دنیای واقعی نظیر محدودیت سرمایه گذاری در هریک از سهم ها و نیز محدودیت کاردینالیتی درنظر گرفته می شوند، مسئله بهینه سازی سبد سهام به راحتی و با استفاده از شیوه های معمول ریاضی قابل حل نیست؛ به ویژه آنکه تعداد زیادی از دارایی ها در فرآیند بررسی و تشکیل سبد سهام درنظرگرفته شوند. ازاین رو با توجه به مطالب بیان شده، هدف اصلی پژوهش حاضر حل مسئله بهینه سازی سبد سهام با تلفیق روش های تحلیل پوششی داده ها و الگوریتم جستجوی ارگانیسم های هم زیست است. در انتها نیز روش و مدل مورداستفاده در این پژوهش با داده های واقعی آزمون شده و نتایج آن مورد تجزیه وتحلیل قرار گرفته است. نتایج این پژوهش نشان می دهد، رویکرد ارائه شده در بهینه سازی سبد سهام موفق عمل نموده و توانسته است به نحو مطلوبی پاسخگوی محدودیت ها و متغیرهای تاثیرگذار بازار باشدکلید واژگان: بهینه سازی سبد سهام, تحلیل پوششی داده ها, الگوریتم جستجوی ارگانیسم های هم زیست, بازار بورس تهرانToday, the portfolio optimization and its management is one of the most important areas in financial decision-making. Therefore, picking a portfolio of stocks that could bring the highest rate of return and the lowest risk investment for its holder simultaneously has become one of the main concerns of the economic actors. But in choosing the optimum portfolio just these factors are not decisive and according to the economic environment, many factors can affect this process which should be identified and considered. Therefore, in order to cover these matter multi-criteria decision-making approaches should be used. On the other hand, when the real-world conditions and restrictions, including restrictions on investment in any of the stocks and cardinality constraint are considered in portfolio optimization, the problem is not easily solvable by means of usual mathematical methods. Specially when there are a large number of assets in the portfolio evaluation process. Regarding this fact, the main purpose of this paper is to solve portfolio optimization problem by using the Data Envelopment Analysis (DEA) and Symbiotic Organisms Search (SOS). Finally, the model used in this study has been solved with real data and the results have been analyzed. The results of this paper demonstrate that the proposed approach has been successful in portfolio optimization and has been able to properly interact with the actual limitations and effective variables of the marketKeywords: Portfolio Optimization, Data Envelopment Analysis, Symbiotic Organisms Search, Tehran Stock Exchange
-
سرمایه گذاری در بورس اوراق بهادار، بخش مهمی از اقتصاد کشور را تشکیل می دهد. افزایش سود و کاهش ریسک سرمایه گذاری در بورس همیشه مهم ترین دغدغه سرمایه گذاران بوده است. همچنین بازارهای بورس نه تنها از پارامترهای کلان بلکه از هزاران عامل دیگر نیز متاثر می شوند. این تحقیق به دنبال ارائه مدلی است که در آن پتانسیل آتی سهام با در نظر گرفتن شاخص های تحلیل تکنیکال به وسیله شبکه عصبی فازی پیش بینی می شود و بر اساس پیش بینی های به دست آمده، مدل ریاضی بهینه سازی بر مبنای عواملی چون میانگین، واریانس و چولگی سبد سهام ارائه می شود. سپس، این مدل با استفاده از الگوریتم ژنتیک حل می شود. تحقیق حاضر از بعد هدف از نوع تحقیقات کاربردی و از بعد روش، از نوع توصیفی است. نتایج تحقیق بیانگر آن است که مدل ارائه شده در این مقاله، در مقایسه با روش های سنتی و شاخص بازار، بازدهی بیشتری را با توجه به واریانس و چولگی برای سرمایه گذاران فراهم می کند.کلید واژگان: بهینه سازی سبد سهام, تحلیل تکنیکال, داده کاویInvesting in the stock market, is a significant part of the country's economy. Increasing profits and reducing the risk of investing in the stock exchange has always been a major concern for investors. Also, Stock markets are affected not only by macroeconomic parameters but also by thousands of other factors. This research aims to provide a model in which future stock potential is forecasted by considering the technical analysis indicators by the fuzzy neural network. According to the forecasts, the mathematical model based on factors such as the return, variance, and skewness of the stock portfolio will be optimized. Then, this model is solved using the genetic algorithm. This research is an applied research in terms of purpose and is descriptive in terms of method. The empirical results shows that the proposed models will provide more profit to investors regarding variance and skewness comparing to traditional models and stock market index.Keywords: Portfolio optimization, Technical analysis, data mining
-
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.کلید واژگان: بهینه سازی سبد سهام, کارایی متقاطع, نظریه بازی هاPortfolio optimization problem is one of the most important investment problems. Most of the mathematical models, presented for solving this problem are based on historical returns of stocks. Utilizing cross efficiencies, calculated by data envelopment analysis models, instead of historical returns, has attracted considerations just recently. In this paper table of cross efficiencies that is a collection of indicators about future possible state of each corporation, is considered as a return matrix of a zero- sum game between the investor and the market. It is assumed in this double game that the Investors can choose the corporation to invest and market can turn the conditions in favor of each of the corporations. Assuming a zero-sum reflects a confrontation between investors and the market which is right for spirit of caution against market. Optimal portfolio determines by the optimum possibilities that is achieved through solving the game in favor of the investor. Results show that the Performance of proposed method is acceptable in compare with market portfolio.Keywords: Portfolio optimization, Cross Efficiency, Game Theory
-
مسئله بهینه سازی سبد سهام یکی از جذاب ترین مسائل مالی و سرمایه گذاری است. منظور از بهینه سازی سبد سهام، تعیین شرکت ها و میزان سهمی است که یک سرمایه گذار می تواند خریداری نماید به گونه ای که از منافع سرمایه خود استفاده کرده و از خطرات آن اجتناب نماید. از نقطه نظر ریاضی مدل مارکوویتز مهمترین مدل بهینه-سازی سبد سهام است. علی رغم اهمیت این مدل، می توان آن را به جهت اتکا بر بازده تاریخی، که لزوما منعکس کننده وضعیت واقعی شرکت نیست، مورد انتقاد قرار داد. این پژوهش را می توان از معدود پژوهش هایی طبقه بندی کرد که بازده تاریخی شرکت ها را مبنای تصمیم گیری برای بهینه سازی قرار نمی دهند.
این پژوهش با استفاده از تکنیک تحلیل پوششی داده ها و روش های تصمیم گیری چند معیاره به حل مساله بهینه-سازی می پردازد. در گام اول نسبت های مالی مناسب به عنوان ورودی و خروجی در تحلیل پوششی داده ها به کار گرفته می شوند و پس از آن با استفاده از وزن های بهینه به محاسبه کارایی متقاطع برای هرواحد می پردازد. در ادامه از ماتریس کارایی متقاطع به عنوان یک ماتریس تصمیم، تعبیر شده که براساس آن می توان شرکت ها، را گزینه قلمداد کرد و با معیارهای متعدد مورد ارزیابی قرار داد. بر این مبنا و براساس تفسیری که از کارایی متقاطع ارائه می شود روش های تصمیم گیری بیشینه کمینه، بیشینه بیشینه و هورویتز به عنوان روش بهینه سازی سبد سهام به کار گرفته می شوند و در پایان عملکرد سبد های پیشنهادی با روش های فوق با دو شاخص شارپ و جنسن بررسی می شوند. نتایج پژوهش نشان از موفقیت سبد پیشنهادی روش بیشینه بیشینه و برخی از سبدهای پیشنهادی روش هورویتز نسبت به سبد بازار دارد.کلید واژگان: بهینه سازی سبد سهام, کارایی متقاطع, بیشینه بیشینه, بیشینه کمینه, هورویتز -
یکی از معروفترین مسائل بهینه سازی در حوزه مهندسی مالی مساله بهینه سازی سبد سهام میباشد. این مساله 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 محدودیتهای تعریف شده نظیر محدودیت بودجه و عدد صحیح دارد. بطور کلی سرمایه گذاران ترجیح میدهند 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. مدلهای محاسباتی پیچیدهای برای حل این مساله توسعه یافتهاند که برای بسیاری از آنها حل بهینه ای وجود ندارد. در این مقاله، از یک رویکرد ابتکاری و فرا ابتکاری جدید بنام الگوریتم کرم میوه برای حل مساله ای چند هدفه بر مبنای مدل میانگین- واریانس مارکوییتز با محدودیتهای 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 تقریبا هیچ یک از کارهای انجام شده از این الگوریتم برای حل مساله بهینه سازی سبد سهام استفاده ننمودهاند. نتایج بدست آمده نشان دهنده عملکرد نسبی بهتر این الگوریتم نسبت به الگوریتم ژنتیک برای مجموعه داده های بورس تهران می باشد.
طبقه بندی JEL: G1، P5، O3کلید واژگان: بهینه سازی سبد سهام, محدودیت های کلاس و عدد صحیح, برنامه ریزی غیر خطی درجه دوم, الگوریتم بهینه سازی کرم میوهOne of the most famous optimization problems in the field of financial engineering is portfolio selection problem. In its simplest form¡ while trying to minimize risk in the portfolio selection according to defined constraints such as budget and integer constraints it deals with selecting a basket of various assets. Generally¡ investors prefer to invest in some assets rather than investing in only one asset to reduce unsystematic risk by diversifying their investment. Complex computational models have been developed to solve this problem and there is not an optimal solution for many of them. In this paper¡ a new and innovative approach known as fruit fly optimization algorithm (FOA) is used for multi-objective problem solving based on mean-variance Markowitz problem with class and cardinality constraints. Fruit fly optimization algorithm is a new way to find the overall optimal solution based on the behavior of the fruit fly in finding food. So far¡ few studies have been done on this algorithm and almost none of them used this algorithm for portfolio optimization problem. The results indicated better comparative performance of the algorithm compared to genetic algorithm for data set of Tehran stock exchange.Keywords: multi-objective portfolio optimization model, fruit fly optimization algorithm, integer constraint, class constraint
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.