کاربرد الگوریتم گروه ذرات درانتخاب بهینه سبد سهام از دیدگاه ریسک گریزی مشتری
محل انتشار: همایش بین المللی مدیریت
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 929
فایل این مقاله در 19 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:
ICOM01_0408
تاریخ نمایه سازی: 25 فروردین 1394
چکیده مقاله:
همواره انتخاب سودآور مساله اصلی بشری در مواجهه با مسائل اقتصادی بوده است.. آنچه که ذهن خریداران وسرمایهگذاران را مشغول میسازد نگرانی از سودده ماندن سرمایه است. واینکه دراین راستا با سرمایه محدودخودکمترین ریسک را در مقابل بیشترین بازده کسب کنند.ریسک گریز بودن مشتری یکی از مهمترین عوامل درسرمایه گذاری است بر همین اساس ما با استفاده از مدل میانگین واریانس مارکویتز مدل ریسک مشتری را برای توجه به ریسک گریزی سرمایه گذار انتخاب کردیم واین مدل را را از طریق الگوریتم گروه ذرات حل نمودیم. تا بهینه ترین انتخاب با توجه ریسک گریزی مشتری در انتخاب سهام را بدست اوریم.از این رو اینتحقیق با بررسی ادبیات موضوع در گام اول و شناسایی مدلهای مطرح در این زمینه، در قدمهای بعدی خود درصدد است تا راهکارهایی برای مواجهه با این امر ارائه نماید. الگوریتم انتخاب شده در این زمینه، الگوریتمحرکت دسته پرندگان، را میتوان جزو الگوریتم جمعیت محوری دانست که سابقه بررسی وبهبود طولانی در ادبیات بحث دارند. جامعه اماذی این تحقیق سهام شرکت های بورس تهران دریک دوره 5ساله 6831 تا 6836 است.نتایج این تحقیق نشان میدهد که استفاده از این الگوریتمها میتواند جوابهایی نزدیک به هم و نیز نزدیک به بهینگی ایجاد نموده و سبب اطمینان تصمیم سرمایهگذاران شود لیکن باید این نکته را در نظر داشت که بعلت تاثیر عوامل برونزا همچنان انتخاب سبد بهینه کمی دشوار به نظر خواهد رسید
کلیدواژه ها:
انتخاب سبد سهام مدل مارکوتیز الگوریتم گروه ذرات
نویسندگان
مریم فاخری نیا
کارشناس ارشد مدیریت مالی
منصور زراءنژاد
استاد دانشکده اقتصاد دانشگاه شهید چمران، اهواز
رضا یوسفی حاجی اباد
استادیار گروه اقتصاد دانشگاه پیام نور، تهران
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 :