کاربرد الگوریتم ژنتیک جهت یافتن تعادل رفتارهای سرمایه گذاران حاضر در یک بازی چانه زنی
محورهای موضوعی : تحقیق در عملیاتمریم رحیمی 1 , حمیدرضا وکیلی فرد 2 , رضا حبیبی 3 , بیژن عابدینی 4 , داود خدادادی 5
1 - گروه حسابداری، واحد بندرعباس، دانشگاه آزاد اسلامی، بندرعباس، ایران.
2 - گروه حسابداری و مدیریت مالی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
3 - گروه بانکداری، موسسه عالی آموزش بانکداری ایران، تهران، ایران
4 - گروه مدیریت و حسابداری، دانشگاه هرمزگان، هرمزگان، ایران
5 - گروه حسابداری، دانشگاه قشم، قشم، ایران
کلید واژه: Strategic behaviors, optimal allocation, Markowitz Model, Nash equilibrium,
چکیده مقاله :
هدف اصلی این پژوهش طراحی و تبیین مدل رفتار استراتژیک سرمایه گذاران با استفاده از نظریه بازی و تعادل نش برای تحلیل رفتارهای متقابل سرمایه گذاران طی سال های 1389-1399 می باشد. جامعه آماری پژوهش کلیه شرکت های پذیرفته شده در بورس اوراق بهادار می باشد که به روش حذف سیستماتیک 84 شرکت به عنوان نمونه پژوهش انتخاب شدند. پزوهش از دو بخش بازی چانه زنی و اجرای مدل میانگین واریانس مارکویتز تشکیل شده است که جهت اجرای بازی چانه زنی و الگوریتم ژنتیک از نرم افزار متلب استفاده شده است.
Traditional models assign a limited role to trading volume, while in practice the annual volume in stock exchanges reaches 100% of issued shares and more. Also, while the benefits of diversification are emphasized through modern theories, most investors limit their portfolio to a number of stocks. Finally, it seems that the cross-sectional variation of expected return is not only due to the risk difference between the companies' stocks. The main goal of this research is to design and explain the strategic behavior model of investors using game theory and Nash equilibrium to analyze the mutual behavior of investors during the years 2009-2010. The statistical population of the research is all the companies admitted to the stock exchange, and 84 companies were selected as the research sample by systematic elimination method. The thesis consists of two parts: the bargaining game and the implementation of Markowitz's average variance model, which uses MATLAB software to implement the bargaining game and the genetic algorithm.
1. اسلامی بیدگلی، غ، احتشام راعی، ر. کاربرد تئوری بازی¬ها در ارزیابی سرمایه¬گذاری در سهام. مجله دانش مالی تحلیل اوراق بهادار، دوره 4، شماره 3، ص101-129. (1390)
2. تاتایی، پ ؛ رهنمای رودپشتی، ف ؛). شکست بازار با استفاده از سبد توصیه شده بر مبنای بازی ائتلاف. فصلنامه مهندسی مالی و مدیریت اوراق بهادار ، دوره 8، شماره 33. (1396(.
3. جامی. الاحمدی، م؛ رازدار؛ م). تورش¬های رفتاری و تأثیر آن بر تصمیم¬گیری سرمایه¬گذاران در بورس اوراق بهادار. کنفرانس بین المللی تازه های مدیریت حسابداری و اقتصاد. دبیرخانه دائمی کنفرانس، تهران. (1397).
4. خوشنود، م، رهنمای رودپشتی، ف، نیکومرام، ه. بهینه سازی الگوی سرمایه¬گذاری در نزول¬های اساسی بورس اوراق بهادار تهران در چارچوب رویکرد عوامل ناهمگن و مدل سازی عامل بنیان با استفاده از الگوریتم ژنتیک. فصلنامه مهندسی مالی و مدیریت اوراق بهادار، شماره 42. (1399)
5. رهنمای رودپشتی،ف؛ هیبتی،ف؛ موسوی،س.بررسی الگوی ریاضی انتخاب پرتفوی سرمایه¬گذاری مبتنی بر مالی رفتاری. مجله مهندسی مالی و مدیریت اوراق بهادار ،دوره3،شماره12. (1391)
6. راعی،ر؛ علی بیگی ، ه بهینه سازی پرتفوی سهام با استفاده از روش حرکت تجمعی ذرات . مجله پژوهشات مالی ، دوره 12،شماره 29. (1389).
7. سینایی، ح ، زمانی ، س). تصمیم¬گیری برای انتخاب سبد سهام ؛ مقایسه الگوریتم ژنتیک و زنبور عسل . مجله پژوهشنامه مدیریت اجرایی، دوره 6 ، شماره 11 . (1393).
8. شهریاری، س؛ سرنقی، ت، فرازمند؛ ن). بررسی سیاست¬های نفتی ایران در اوپک بر اساس نظریه بازی ها. فصلنامه پژوهش های سیاسی جهان اسلام، دوره 9، شماره 1، ص 1-28. (1398).
9. هیبتی،ف؛ رهنمای رودپشتی، ف؛ افشار کاظمی،م؛ عبیری،ا (1390). ارزیابی مدل گزینش سبد سهام با استفاده از فرآیند تحلیل سلسله مراتبی (AHP.) ، آنالیز رابطه ای خاکستری (GRA) و برنامه ریزی آرمانی ( GP) . مجله مهندسی مالی و مدیریت اوراق بهادار،دوره2،شماره6.
10. Campbell, J. Y. , Grossman, S. J. , & Wang, J. Trading volume and serial corre- lation in stock returns. The Quarterly Journal of Economics, 108 (4), 905–939. (1993).
11. Kolm, P. N. , Tütüncü, R. , & Fabozzi, F. J. 60 years of portfolio optimization: Practical challenges and current trends. European Journal of Operational Research, 234 (2), 356–371. (2014).
12. Kannai, Y. , & Rosenmüller, J. Strategic behavior in financial markets. Journal of Mathematical Economics, 46 (2), 148–162 . (2010).
13. Lee, K. H., Powell, L. M., Nguyen, L., & Eryilmaz, E. The Strategic Responses from Sophisticated Investors to Inaccurate Forecast of Financial Analysts. Accounting and Finance Research, 7(1), 272. (2018).
14. Markowitz, H. Portfolio selection. Journal of Finance, 7 , 77–91 . (1952).
15. Mangoubi, O. Strategic behavior in multiple-period financial markets. In Optimization theory and related topics: Israel mathematical conference proceedings, a workshop in memory of dan Butnariu, January 11-14, 2010. (2012). Haifa, Israel: Vol. 568 (p. 191). American Mathematical Society .
16. Mantovi,A .Augusto, S. A game-theoretic traverse analysis: price competition and strategic investment. Structural change and economic dynamics. Elsevier, vol, 49(c), 301-311. (2018).
17. Marcelo, J. Villena. Lorenzo Reus. (2016).On the strategic behavior of large investors: A mean-variance portfolio approach. European Journal of Operational Research 254 679–688. (2016).