تحلیل مقایسه ای بهینه سازی سبد سهام در الگوریتم های آتش بازی و ژنتیک با استفاده از ارزش در معرض خطر شرطی

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

مهم ترین دغدغه سرمایه گذاری، کاهش ارزش دارایی در آینده است که باعث گردیده، سرمایه گذاران مجموعه دارایی هایی را انتخاب کنند که کمترین ریسک و بالاترین بازده را داشته باشد. پژوهش حاضر به مساله بهینه سازی سبد سهام با توجه به ارزش در معرض خطر شرطی بر مبنای الگوریتم جدید و هوشمند آتش بازی و مقایسه آن با الگوریتم ژنتیک از روش شبیه سازی تاریخی با استفاده از نرم افزار MATLAB  می پردازد. تنظیم پارامترهای الگوریتم های فراابتکاری به روش تاگوچی با استفاده از نرم افزار MINITAB  انجام شد. در این پژوهش از اطلاعات سهام شرکت های پذیرفته شده در بورس اوراق بهادار که اطلاعات قیمت و بازده نقدی آنها بین سالهای  1396 تا شهریور 1399 ثبت شده است و مطابق ماده 141 قانون تجارت مشمول تعلیق نیستند، استفاده شد. جهت پایایی پژوهش از آزمون دیکی فولر تعمیم یافته و آزمون فیلیپس پرون استفاده شد. برای ارزیابی دقت مدل ارزش در معرض خطر شرطی از آزمون نسبت شکست کوپیک، آزمون استقلال کریستوفرسن و آزمون ترکیبی استفاده شده است. همچنین مقایسه ای نیز بین مدل ها توسط آزمون لوپز صورت گرفت. یافته های پژوهش نشان داد که در سطوح اطمینان 95% و 99% مدل ارزش در معرض خطر شرطی با استفاده از الگوریتم آتش بازی  از اعتبار مناسب و قابل اتکایی جهت سنجش ریسک بازار و بهینه کردن سبد سهام برخوردار می باشد.

زبان:
فارسی
صفحات:
111 تا 131
لینک کوتاه:
magiran.com/p2378181 
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!