فهرست مقالات : portfolio

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - بکارگیری الگوریتم‌های ازدحام ذرات و جستجوی ممنوعه در انتخاب بهینه سبد دارایی
  مریم کاظمی عقیله حیدری محمد لشکری
  در سال‌های اخیر استفاده از روش‌های ابتکاری و الگوریتم‌های تکاملی برای حل مسائل سبد دارایی بسیار مورد توجه قرار گرفته است. در این پژوهش با استفاده از الگوریتم‌های بهینه‌سازی ازدحام ذرات و جستجوی ممنوعه مدل اندازه‌گیری ریسک دو طرفه، را بهینه می‌کنیم. لازم به ذکر است این م چکیده کامل

  در سال‌های اخیر استفاده از روش‌های ابتکاری و الگوریتم‌های تکاملی برای حل مسائل سبد دارایی بسیار مورد توجه قرار گرفته است. در این پژوهش با استفاده از الگوریتم‌های بهینه‌سازی ازدحام ذرات و جستجوی ممنوعه مدل اندازه‌گیری ریسک دو طرفه، را بهینه می‌کنیم. لازم به ذکر است این مدل یک مسئله مقید می‌باشد که با استفاده از روش‌های جریمه به یک مسئله نامقید تبدیل می‌شود. در آخر اطلاعات مربوط به ارزش تاریخی سهام  در فاصله سال‌های 2004 تا 2009 به عنوان ورودی‌های مدل در نظر گرفته می‌شود و نتایج دو روش روی آنها مورد بررسی قرار می­گیرد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - بهینه‌سازی سبد سهام صنایع مختلف در بورس اوراق بهادار تهران با استفاده از گارچ متعامد
  سحر عابدینی اسمعیل ابونوری غلامرضا کشاورزحداد
  10.30495/fed.2024.709335
  چکیده توسعه بازارهای مالی و بازار سهام نقش اساسی در توسعه اقتصادی دارد. با توجه به اینکه بازارهای مالی همواره با ریسک و نااطمینانی همراه می باشند و شوک و تلاطم در یک بازار بر بازارهای دیگر اثر می گذارد لذا از اهداف اصلی تحقیق حاضر شناسایی نوع توزیع سری های مالی (بازدهی چکیده کامل

  چکیده توسعه بازارهای مالی و بازار سهام نقش اساسی در توسعه اقتصادی دارد. با توجه به اینکه بازارهای مالی همواره با ریسک و نااطمینانی همراه می باشند و شوک و تلاطم در یک بازار بر بازارهای دیگر اثر می گذارد لذا از اهداف اصلی تحقیق حاضر شناسایی نوع توزیع سری های مالی (بازدهی سهام صنایع مختلف) و برآورد نااطمینانی و ریسک (تلاطم) آنها، تعیین وزن سهام در سبد سرمایه گذاری و همچنین شناسایی دقیق چگونگی تغییرات تلاطم و شدت همبستگی و تعاملات میان سهام صنایع مختلف طی زمان جهت حداکثرسازی منافع سرمایه گذاران و ارائه راهکارهای لازم به برنامه ریزان و سیاست گذاران برای مدیریت و توسعه بازار سهام می باشد. به منظور بهینه سازی سبد سرمایه گذاری، از آمار دادههای هفتگی شاخص قیمت 6 صنعت منتخب (انبوهسازی، بانکها و مؤسسات اعتباری، شیمیایی، خودرو، دارویی و فلزات اساسی) در بازه زمانی 07/01/1389 تا 29/10/1399 استفاده شده است. بدین منظور با استفاده از مدل گارچ متعامد و داده های هفتگی شاخص قیمت سهام صنایع مختلف، عناصر ماتریس واریانس– کواریانس شرطی بازدهی سهام (تلاطم) برآورد گردید، سپس اوزان بهینه سبد سهام با استفاده از اطلاعات بدست آمده و توزیع جنرال هیپربولیک t چوله (بعنوان نزدیکترین توزیع به توزیع بازدهی سهام مورد مطالعه بر اساس نتایج برآورد توزیع داده ها)، در چارچوب مدل های میانگین–واریانس کلاسیک ایستا و پویا و همچنین مدل میانگین–ارزش در معرض خطر شرطی ایستا، محاسبه و با هم مقایسه شد. بر اساس مدل میانگین-واریانس کلاسیک پویا (بعنوان مناسب ترین مدل)، بیشترین وزن در سبد سهام در دوره مورد مطالعه بترتیب مربوط به صنعت دارویی (0/6336) و صنعت شیمیایی (0/3539) بوده است. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  3 - رویکرد سیستم استنتاج عصبی فازی انطباقی (ANFIS) و راهبرد های ماتریس شبکه (GA) در بهینه سازی پورتفوی سرمایه گذاری در بورس اوراق بهادار تهران و فرابورس ایران
  علی شیدایی نرمیقی فریدون رهنمای رودپشتی رضا رادفر
  بهینه‌سازی سبد سرمایه‌گذاری فرآیندی است که طی آن سرمایه‌گذار به دنبال بیشینه کردن بازده سرمایه یا کمینه کردن ریسک است. یکی از موضوعات اصلی مشخص کردن روش بهینه سازی است که به تشکیل سبد سرمایه گذاری بهینه یعنی حداقل نمودن ریسک سرمایه گذاری و حداکثر کردن سود سرمایه گذاری م چکیده کامل

  بهینه‌سازی سبد سرمایه‌گذاری فرآیندی است که طی آن سرمایه‌گذار به دنبال بیشینه کردن بازده سرمایه یا کمینه کردن ریسک است. یکی از موضوعات اصلی مشخص کردن روش بهینه سازی است که به تشکیل سبد سرمایه گذاری بهینه یعنی حداقل نمودن ریسک سرمایه گذاری و حداکثر کردن سود سرمایه گذاری می باشد. هدف پژوهش حاضر بررسی قابلیت سیستم استنتاج عصبی فازی انطباقی (ANFIS) و راهبردهای ماتریس شبکه (GA) در انتخاب و بهینه سازی سبد سرمایه گذاری از بین شرکت های بورس اوراق بهادار تهران و فرابورس ایران انتخاب شده است. گروه بندی سهام بوسیله ماتریس شبکه و دسته بندی شرکت ها براساس ارزش بازار آنها و استفاده از قانون چارک ها و در نهایت وزن دهی آنها متناسب با بازدهی پیش بینی ماه آینده آن سهم در نظرگرفته می شود. همچنین نسبت به طراحی و ارائه یک مدل بهینه سازی سبد سرمایه گذاری سهام با استفاده از سیستم استنتاج عصبی فازی انطباقی و ترکیب آن با الگوریتم ژنتیک پرداخته شده است که در آن از سه دسته مختلف متغیرهای سری زمانی ، فنی و بنیادی به ‌عنوان ورودی‌های مدل استفاده می‌شود. خروجی‌های تحقیق نشان می دهد این سیستم‌ها از توانایی لازم برای بهینه سازی سبد سرمایه گذاری سهام برخوردار می‌باشند. پرونده مقاله