بررسی سودمندی الگوریتمهای فراابتکاری در بهینه سازی ریسک یکپارچه نظام بانکی
الموضوعات : دانش سرمایهگذاریاسکندر وزیری 1 , فرهاد دهدار 2 , محمدرضا عبدلی 3
1 - دانشجوی دکتری، گروه حسابداری،واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران.
2 - عضو هیات لمی دانشگاه آزاد شاهرود
3 - دانشیار،گروه حسابداری،واحد شاهرود،دانشگاه آزاد اسلامی،شاهرود، ایران
الکلمات المفتاحية: الگوریتم گرگ خاکستری, ارزیابی ریسک, الگوریتم ژنتیک, ریسک, الگوریتم ازدحام ذرّات,
ملخص المقالة :
این پژوهش با هدف ارزیابی ریسک یکپارچۀ نظام بانکی از طریق الگوریتم های فراابتکاری گرگ خاکستری، ژنتیک و ازدحام ذرات به رشتۀ تحریر در آمده است. این پژوهش از لحاظ هدف از نوع تحقیقات کاربردی و بر اساس ماهیت و روش از نوع همبستگی است. گردآوری داده‌ها، از راه مطالعات کتابخانه‌ای، مقالات و سایت‌ها در قالب قیاسی و گردآوری اطلاعات برای رد و تأیید فرضیات از راه استقرایی انجام گردیده است. جامعه آماری این تحقیق،نظام بانکی و نمونه مورد مطالعه شامل بانکهای پذیرفته شده در بورس اوراق بهادار تهران طی سالهای مالی1392 تا 1397 می‌باشد. به منظور گردآوری داده‌های موردنیاز، از بانک داده های مالی وزارت امور اقتصادی و دارایی ،سایت کدال و... استفاده شده است. پس از استخراج اطلاعات، و تنظیم آنها در قالب مدل ریسک یکپارچه، تابع هدف و محدودیت‌ها در نرم‌افزار MATLAB وارد شده و متغیرهای ریسک و بازده با استفاده از الگوریتمهای فراابتکاری ازدحام ذرات، ژنتیک و گرگ خاکستری به دست آمدند و به مقایسه نتایج آنها از طریق نرم‌افزار SPSS 16 پرداختیم. پس از بررسی نتایج حاصل از مقایسۀ شاخصهای ارزیابی الگوریتم‌ها مشخص گردید که الگوریتم گرگ خاکستری کارامدی بهتری را در بهینه‌سازی تابع هدف ارائه می‌دهد. همچنین با بررسی فرضیات تحقیق مشخص گردید که الگوریتم های ازدحام ذرات و ژنتیک از کارآمدی همسانی برای ارزیابی ریسک یکپارچۀ نظام بانکی برخوردار هستند و الگوریتم گرگ خاکستری نسبت به الگوریتم های توده ذرات و ژنتیک، ثبات و همگرایی بهتر و زمان اجرای کمتری داشته و شاخصهای ارزیابی بهتری را در حل مسئله ارائه می‌دهد.
اردانه، علی (1394). بهینه‌سازی دسترس‌پذیری سیستم‌های سری- موازی با اجزای سه‌حالته تعمیرپذیر. پایان‌نامه کارشناسی ارشد، مؤسسه آموزش عالی رجا، دانشکده فنی و مهندسی.
خوش سیما ر، شهیکی تاش م.( 1391). تاثیر ریسک های اعتباری، عملیاتی و نقدینگی بر کارایی نظام بانکی ایران، فصلنامه برنامه ریزی و بودجه، 4: 16-11.
راعی . رضا.، سعیدی، علی.، (1388)مبانی مهندسی مالی و مدیریت ریسک"، انتشارات سمت.، ص. 9 5 -58 ،
زارع، احسان و حمیدی، فرهاد و راحتی، امین،1394،الگوریتم گرگ خاکستری بهبودیافته،چهارمین کنگره مشترک سیستم های فازی و هوشمند ایران (پانزدهمین کنفرانس سیستم های فازی و سیزدهمین کنفرانس سیستم های هوشمند)
سرمد ز، بازرگان ع، حجازی ا. 1380. روشهای تحقیق در علوم رفتاری. چاپ پنجم. تهران: انتشارات آگاه.
سعیدی ع، آقایی آ. 1388. پیش بینی درماندگی مالی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه های بیز بررسی‌های حسابداری و حسابرسی،56: 78-59.
Afshar, M. H. and R. Moeini. 2008. Partially and fully constrained ant algorithms for the optimal solution of large scale reservoir operation problems. Water Resources Management, 22(12): 1835– 1857.
Afshar, M. H. and M. Shahidi. 2009. Optimal solution of large-scale reservoir-operation problems: Cellular-automata versus heuristic-search methods. Engineering Optimization, 41(3):275-293.
Angeline, P. J. 1998. Evolutionary optimization versus particle swarm optimization: Philosophy and performance differences. Evolutionary Programming VII, Lecture Notes in Computer Science, 1447: 601-611.
Fama E. F., (1970), “Efficient capital markets: A review of theory and empirical work”, Journal of finance, 25:2, pp. 283-417 [10] Goldberg, D., (1989), “Genetic Algorithm in search, Optimization and machine Learning”, Addison-Wesely
Huang, X., (2008), “Portfolio selection with new definition of risk”, European journal of Operational research, 186, PP. 351-357
Keller, R. E., Banzhaf, W., Nordin, P., Francone, F.D., (1998), “Genetic Programming–An Introduction; On the Automatic Evolution of Computer Programs and its Applications” Morgan Kaufmann, dpunkt.verlag
Geem Z.W., Kim J-H, Loganathan GV. "Harmony search optimization: Application to pipe network design". Int J Modell Simulat;22(2):125 33, 2002.
Lin, Chang., Lin, Yi, Ting., (2008), “Genetic algorithm for portfolio selection problem with transaction lost”, European journal of operational research., Vol. 185, ISSUE, 1, 16, PP. 393-401
Lin, Chi., Ming, Mitsuo, Gon., (2007), “An effective decision-based genetic algorithm approach to multi objective portfolio optimization problem”, Applied mathematical science, Vol. 1, S, E, PP.1-21
Markowitz, H., M., (1952), “Portfolio Selection”, The Journal of Finance, Vol. 7, 1, PP. 77-91
Muro. C r. R and Spector. L, Escobedo. R from emerge strategies hunting) lupus canis (pack-wolf Behavioural, simulations computational in rules simple .197-192( 2011) 3(88)
_||_
