مساله بهینه سازی پورتفولیوی چندهدفه با اهداف حداکثر کردن بازده، حداقل کردن ریسک و حداقل کردن تعداد دارایی

نویسندگان

ندارد

چکیده

نظریه انتخاب پورتفوی بهینه از دهه 1950 تا کنون بخش مهمی از تحقیقات را به خود معطوف کرده است. از جمله مواردی که در اکثر مدل های ارائه شده می توان دید، لحاظ کردن ریسک و بازده سرمایه گذاری در مدل ها می باشد. در این مقاله، یک مدل چند هدفه با محدودیت های مناسب برای ارضای نیاز های سرمایه گذار در نظر گرفته شده است. اهداف در نظر گرفته شده در مدل عبارتند از حداکثر کردن بازده، حداقل کردن ریسک و حداقل کردن تعداد دارایی در پرتفوی است. به منظور حل مدل ارائه شده در این مقاله ابتدا سهام انتخاب شده از بورس اوراق بهادار تهران بوسیله الگوی کلاس بندی به خوشه هایی که از نظر سطح بازده (اختلاف سطوح بازده) به هم نزدیک ترند، انتخاب شده و در خوشه های مورد نظر قرار می گیرند، در مرحله بعد از داخل خوشه های تشکیل شده اولیه، سهام انتخاب می گردد و یک پورتفوی نزدیک به بهینه که ارضا کننده نیاز های مساله باشد تشکیل می شود. از آنجایی که از نظر پیچیدگی محاسباتی جزو گروه NP-hard قرار می-گیرد و از طرف دیگر روش های حل دقیق برای مسائل با ابعاد بزرگ کارایی خودشان را از دست می دهند، لذا در این مقاله از الگوریتم فرا ابتکاری شبیه سازی تبرید برای حل مدل استفاده شده و با حل مساله توسط لینگو (Lingo) مورد مقایسه قرار می گیرد.

کلیدواژه‌ها


عنوان مقاله [English]

modeling and Solution of a Multi-Objective Portfolio Selection by using a Simulated Annealing

نویسندگان [English]

  • Abbas Rostami
  • Amir Noroozi
  • Hadi Mokhtari
  • yaser nemati
dont have
چکیده [English]

-

کلیدواژه‌ها [English]

  • -
Anagnostopoulos. K. P, Mamanis. G. "A portfolio optimization model with three objectives and discrete variables". Computers & Operations Research. 37(2010) 1285-1297.
Andrew. W, Constantin. P and Wierzbicki. M, (2003), " IT IS 11 PM- DO YOU KNOW YOUR LIQUIDITY IS? THE MEAN VARIANCE FRONTIER", Journal of investment management, Vol.1, No.1, pp. 55-93.
Basel Committee on Banking Supervision. International Convergence of Capital Measurementand Capital Standards, a revised framework, 2004.
Chang, Tun-Jen, Sang-Chin Yang, Kuang-Jung Chang. "Portfolio optimization problems in different risk measure using genetic algorithm", Expert System With Application 36 (2009) 10529-10537.
Carma Y. and Schyns M, "Simulated annealing for complex portfolio problem", European Journal Of Operational Research, 2003, 546-571.
Chen. Wei, Zhang Wei-Guo, "The admissible portfolio selection problem with transaction costs and an improved PSO algorithm". Physica A 389(2010) 2070-2076.
Cura, Tunchan "Particle swarm optimization approach to portfolio optimization". Nonlinear Analysis: Real World Application 10(2009) 2396-2406.
Fernandez. Alberto, Sergio. Gomez, (2007) "Portfolio selection using neural networks", Computer & Operation Research 34, 1177-1191.
Jana.P, Roy.T.K, Mazumder.S.K. (2007) "Multi-objective Mean-variance-skewness model for Portfolio optimization". AMO- Advanced Modeling and Optimization, 9, 1.
Lin, Chang-Chun and Liu, Yi-Ting. (2008) "Genetic algorithms for portfolio selection problems with minimum transaction" lots, European Journal of Operational Research, 371-379.
Markowitz.H.M, (1952) "Portfolio selection", Journal of Finance, 77-91.
Matthias Ehrgott, Kathrin Klamroth, Christian Schwehm, (2004) "An MCDM approach to portfolio optimization", European Journal Of Operational Research, 752-770.
Pindoriya, N.M, Singh, S.N, Singh. S.K. (2010), "Multi-objective mean-varianceskewness model for generation portfolio allocation in electricity market", Electric Power Systems Research 80, 1314-1321.
Soleimani. Hamed, Golmakani. Hmid Reza, Salimi. Mohammad Hossein. (2009) "Markowitzbasedportfolio selection with minimum transaction lots, cardinality constraints andregarding sector capitalization using genetic algorithm". Expert System With Application 36 5058-5063.
Web. A. R (2002). "Statistical Pattern Recognition", John Wiley & Sons, 2002.
Yamazaki H, Konno H. and, "Mean absolute deviation portfolio optimization model and its applications to Tokyo stock market". Management Science, 37:519–531, 1991.
Yong WH, Tarng YS. (1998). Design optimization of cutting parameters for turning operations based on Taguchi method. J Mater Process Technol, 84, 122–9.
Yu, Lean, Wang, Shouyang, Lai, Kin Keung. (2008) "Neural network-based mean-varianceskewness model for portfolio selection". Computers & Operation Research 3534-46.