|
|
|
|
مقایسه عملکرد الگوریتم ژنتیک فازی و جست و جوی شکار فازی در بهینه سازی پرتفوی فازی با استفاده از مدل میانگین واریانس در بورس اوراق بهادار تهران
|
|
|
|
|
|
|
|
نویسنده
|
میرلوحی مجتبی ,تهرانی رضا ,عباسیان عزت اله ,جابری زاده علی
|
|
منبع
|
بورس اوراق بهادار - 1399 - دوره : 13 - شماره : 52 - صفحه:71 -95
|
|
چکیده
|
بازده دارایی ها با عدم اطمینان همراه است و همواره در طی زمان نوسانات غیرمنتظره ای به لحاظ شرایط اقتصادی، اجتماعی و سیاسی و ... در بازدهی دارایی ها از جمله سهام روی می دهد. منطق فازی می تواند یکی از گزینه های مناسب برای مدل کردن بازده دارایی ها باشد. همین منظور یک سیستم خبرۀ فازی مبتنی بر قاعده برای حمایت از مدیران سرمایه‌گذاری در تصمیمات سرمایه‌گذاری میان مدتشان ساخته شده است. با توجه به غیرخطی بودن مسئله انتخاب پرتفوی و همچنین، np-hard بودن آن، در پژوهش حاضر، انتخاب و بهینه سازی سبد سهام بر اساس منطق فازی با استفاده از دو الگوریتم فراابتکاری شامل الگوریتم ژنتیک فازی و جست جوی شکار فازی مورد بررسی قرار گرفته است. کارایی سیستم فازی پیشنهادی توسط اطلاعات 157 شرکت که در بورس اوراق بهادار تهران در سال‌های 1387 تا 1397 فعالیت داشته‌اند، ارزیابی شده است. کارایی این سیستم بر حسب ریسک پذیری و مدت سرمایه‌گذاری، در مقایسه با متوسط بازده بازار بوده است. به علاوه کارایی سیستم فازی پیشنهادی برای سرمایه‌گذار ریسک گریز در کوتاه مدت نتایج بسیار خوبی به همراه دارد.
|
|
کلیدواژه
|
مدل مارکویتز، منطق فازی، الگوریتم ژنتیک، الگوریتم جست و جوی شکار
|
|
آدرس
|
دانشگاه صنعتی شاهرود, دانشکده صنایع و مدیریت, ایران, دانشگاه تهران, دانشکده مدیریت, گروه مدیریت مالی, ایران, دانشگاه تهران, دانشکده مدیریت, گروه مدیریت مالی, ایران, دانشگاه تهران، پردیس البرز, ایران
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Comparison of the Performance of Genetic and Hunting Search Algorithms in Portfolio Optimization Using Mean-Variance Model Based on Fuzzy Logic in Tehran Stock Exchange
|
|
|
|
|
Authors
|
Mirlohi Seyyed Mojtaba ,Tehrani Reza ,abbasian ezatolah ,Jaberizadeh Ali
|
|
Abstract
|
Asset return is associated with uncertainty and always occurs during unexpected fluctuations in economic, social and political conditions, and so forth. In return on assets such as stocks. Fuzzy logic can be one of the best options for modelling asset returns. For this purpose, a rule based fuzzy expert system has been developed to support investment managers in their mid term investment decisions. Considering the non linearity of the portfolio selection problem and its NP Hard, the performance of the proposed fuzzy system is evaluated by the information of 157 companies that have been active in Tehran Stock Exchange between 2008 to 2018 using of Fuzzy Genetic and Fuzzy Hunting Search Algorithms. The system’s performance in terms of risk taking and duration of investment was comparable to average market returns. Besides, the performance of the proposed fuzzy system for the risk averse investor in the short run yields good results.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|