بهینه سازی پرتفوی چند دوره ای با استفاده از الگوریتم PSO

دراین مقاله پرتفوی چنددوره ای با تابع میانگین نیم واریانس امکان سرمایه گذاری مجدد و بازنگری درابتدای هردوره به کمک الگوریتم GA و PSO بررسی شده و عدم قطعیت به شکل سناریوهای با احتمالهای مشخص درنظر گرفته شده است درتمامی مطالعاتی که تاکنون انجام شده مقدار پولی که به هردارایی اختصاص داده شده به عنوان متغیر تصمیم درنظر گرفته شده است درحالیکه دراین مقاله وزنی که به هردارایی اختصاص داده میشود به عنوان متغیر تصمیم درنظر گرفته شدها ست مزیت اصلی این کارکاهش فضای جواب است که باعث بهبود زمان رسیدن به جواب بهینه می شود درتحقیق عملی تعداد دوازده سهم ازبورس اوراق بهادار تهران انتخاب و مدل پرتفوی چنددوره ای با تابع هدف میانگین نیم واریانس توسط الگوریتم های GA ٚ PSO اجرا شد نتایج نشانگر آن است که جوابهای بدست آمده از الگوریتم PSO درتعداد تکرارهای پایین بهتر ازGA است.

کلیدواژه ها:

بهینه سازی پرتفو ، پرتفوی چنددوره ای ، بهینه یابی احتمالی ، میانگین ـ نیم واریانس ، الگوریتم بهینهیابی هوش جمعی ذرات