مقایسه شبکه عصبی، سیستم فازی عصبی و مدل AR در پیش-بینی بازده اوراق بهادار و الگوریتم جستجوی موجودات همزیست با ممتیک آن در بهینه سازی پرتفوی

الموضوعات : دانش مالی تحلیل اوراق بهادار

سیدمهدی رضایی ¹ , محمود باغجری ² , پوریا مظاهری فر ³

1 - کارشناس ارشد مدیریت مالی دانشگاه شهید بهشتی، تهران، ایران
2 - دکتری اقتصاد دانشگاه تربیت مدرس، تهران، ایران.
3 - کارشناس ارشد مدیریت مالی دانشگاه خوارزمی، تهران، ایران.

تاريخ الإرسال : 23 الخميس , شوال, 1389 تاريخ التأكيد : 23 الخميس , شوال, 1389 تاريخ الإصدار : 23 الخميس , شوال, 1389

الکلمات المفتاحية: بهینه سازی پرتفوی, الگوریتم جستجوی موجودات همزیست, الگوریتم ممتیک, شبکه های عصبی, سیستم فازی عصبی,

ملخص المقالة :

در این مطالعه، به بررسی و مقایسه عملکرد الگوریتم جستجوی موجودات همزیست و ممتیک جستجوی موجودات همزیست در بدست آوردن مرزکارا مدل میانگین نیم واریانس مقید پرداخته می شود. و همچنین سه روش AR خطی شبکه عصبی و سیستم فازی عصبی در بدست آوردن بازده مورد انتظار، مورد مقایسه قرار می گیرند. در این مطالعه از 23 سهم فعال تر بازار استفاده می شود که بازده آنها از تاریخ 01/04/93 تا 01/12/95 مورد استفاده قرار گرفته است. نتایج نشان می دهد که الگوریتم ممتیک جستجوی موجودات همزیست برخلاف استفاده از زمان بیشتر، توانسته عملکرد بهتری را به نمایش بگذارد و همچنین، مقایسه روش های پیش بینی بازده مورد انتظار نشان می دهد که سیستم فازی عصبی توانسته با خطای کمتری بازده مورد انتظار را پیش بینی نماید. در نهایت، با مقایسه مرزکارای پیش بینی شده و مرزکارای واقعی، به این نتیجه می رسیم که مدل پیش بینی مورد نظر در ریسک های کمتر پیش بینی بهتری انجام داده است که در آن ناحیه می توان با اطمینان بیشتری نسبت به تخصیص دارایی ها اقدام نمود.

المصادر:

*      اسلامی بیدگلی، غلامرضا؛ وافی ثانی، جلال. (1388). " بهینه­سازی و بررسی اثر میزان تنوع بر عملکرد پرتفوی با استفاده از الگوریتم مورچگان" فصلنامه بورس اوراق بهادار تهران، 5، 57-75.

*      بیهقی، هدیه؛ عزیززاده؛ آقابابایی، محمدابراهیم. (1394). " بررسی تاثیر بازده‏ های فازی در کارآیی پرتفوی بهینه مقید در بورس اوراق بهادار تهران با استفاده از الگوریتم کلونی زنبور". پایان نامه کارشناسی ارشد.

*      راعی، رضا؛ علی بیگی، هدایت. (1389). " بهینه­سازی پرتفوی سهام با استفاده از روش حرکت تجمعی ذرات" تحقیقات مالی، 29، 40-21.

*      راعی، رضا؛ محمدی، شاپور؛ علی بیگی، هدایت. (1389). " بهینه­سازی سبدسهام با رویکرد میانگین- نیم­واریانس» و با استفاده از روش جستجوی هارمونی" پژوهش­های مدیریت در ایران، 3، 128-105.

*      صفوی، علی اکبر؛ پورجعفریان، نرگس؛ صفوی، علی. (1393). " بهینه­سازی بر پایه الگوریتم­های فرا ابتکاری". نشر: مهرگان

*      فشاری، مجید؛ آقابابایی، ابراهیم، مظاهری فر، پوریا. (1394). " بهینه­سازی پرتفوی با استفاده از الگوریتم ممتیک و مقایسه آن با الگوریتم­های تشکیل دهنده" پایان نامه کارشناسی ارشد.

*      Bacanin, Tuba, M., & Nebojsa. (2014). Upgraded Firefly Algorithm for Portfolio Optimization Problem. UKSim-AMSS 16th International Conference on Computer Modelling and Simulation.

*      Chen, M.-Y., & Prayogo, D. (2014). Symbiotic Organisms Search: A new metaheuristic optimization.      Computers and Structures.

*      Markowitz, H.M. (1952). Portfolio Selection. Jornal of Finance: 77-91, 1952.

*      Markowitz, H.M. (1959). Portfolio Selection: Efficient diversification of investments. John Wiley & Sons.

*      Salahi, M., Daemi, M., Lotfi, S., & Jamalian, A. (2014). PSO and Harmony Search Algorithms for Cardinality Constrained Portfolio Optimization Problem. Advanced Modeling and Optimization, 559-573.

*      Tsay, R. (2010). Analysis of Financial Time Series. wiley.

*      Tuba, M., & Bacanin, N. (2014). Artificial bee colony algorithm hybridized with firefly metaheuristic for cardinality constrained mean-variance portfolio problem. Applied Mathematics & Information Sciences.

*      Tuba, M., Brajevic, I., & Jovanovic, R. (2013). Hybrid seeker optimization algorithm for global optimization. Applied Mathematics & Information Sciences, 867-875