بهینه سازی سبد سهام با استفاده از برنامهریزی منعطف
محل انتشار: کنفرانس بین المللی مدیریت، اقتصاد و مهندسی صنایع
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 641
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMEI01_249
تاریخ نمایه سازی: 14 آذر 1394
چکیده مقاله:
از جمله نگرانیهای سهامداران از سرمایه گذاری، کسب سود بالا توسط انتخاب سهمهایی است که ریسک کمی داشته باشند. در این مقاله، ابتدا مدل جدیدی بر اساس نظریه سبدسهام مدرن و با اضافه کردن محدودیتهایی نظیر تعداد سهام و انعطافپذیری وزن سهام در سبد سهام ارائه میشود. در اعمال محدودیت انعطافپذیری وزن سهام، حالتی ایجاد میشود که در ارضای محدودیت، انعطاف وجود دارد و دارای عدم قطعیت هستیم که برای مدل کردن این انعطاف از روابط فازی استفاده شده است. علاوه بر عدم قطعیت ذکر شده، بازده سهام نیز خود دارای عدم قطعیت شناختی است. بنابراین برای برخورد با عدم قطعیت از رویکرد فازی استفاده شده است، که در اینجا از هر دو نوع برنامه ریزی منعطف و امکانی که از زیرمجموعه های برنامه ریزی فازی هستند، برای تبدیل مدل به یک مسئله ساده استفاده شده است.برای حل مدل و ارزیابی آن از 30 شرکت پذیرفته شده در بورس اوراق بهادار تهران استفاده شده است، به این صورت که بازده یک ماه این شرکتها در نظر گرفته شد. نتایج حاصل از مدلهای ارائه شده نشان میدهد که در سطح اطمینان پایینتر، میتوان سودبالایی را با ریسک کم از طریق انتخاب یک سبد سهام معقول به دست آورد
کلیدواژه ها:
برنامه ریزی آرمانی ، برنامهریزی امکانی و منعطف ، برنامهریزی فازی ، بورس اوراق بهادار تهران ، سبد سهام
نویسندگان
حسین خنجرپناه
دانشجوی کارشناسی ارشد، مهندسی سیستمهای اقتصادی اجتماعی، دانشکده مهندسی پیشرفت، دانشگاه علم و صنعت ایران.
میرسان پیشوایی
استادیار، گروه سیستمهای اقتصادی اجتماعی، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران.
آرمین جبارزاده
استادیار، گروه سیستمهای اقتصادی اجتماعی، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران.
محمد صادقی کیا
کارشناس ارشد مدیریت بازرگانی گرایش بازاریابی دانشگاه ایلام
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :