دانشگاه شهید باهنر کرمان

 آمار

تعداد نشریات26
تعداد شماره‌ها447
تعداد مقالات4,557
تعداد مشاهده مقاله5,379,992
تعداد دریافت فایل اصل مقاله3,580,058
محمدی باغملائی, حسین, پارسا, حجت, طهماسبی, سعید, حاجیانی, پرویز. (1400). کاربرد معیار آنتروپی‌تجمعی و الگوریتم PSO در بهینه‌سازی سبد سهام شرکت‌های پتروشیمی بازار بورس اوراق بهادار. , 6(2), 41-55. doi: 10.22103/jdc.2022.17949.1142
حسین محمدی باغملائی; حجت پارسا; سعید طهماسبی; پرویز حاجیانی. "کاربرد معیار آنتروپی‌تجمعی و الگوریتم PSO در بهینه‌سازی سبد سهام شرکت‌های پتروشیمی بازار بورس اوراق بهادار". , 6, 2, 1400, 41-55. doi: 10.22103/jdc.2022.17949.1142
محمدی باغملائی, حسین, پارسا, حجت, طهماسبی, سعید, حاجیانی, پرویز. (1400). 'کاربرد معیار آنتروپی‌تجمعی و الگوریتم PSO در بهینه‌سازی سبد سهام شرکت‌های پتروشیمی بازار بورس اوراق بهادار', , 6(2), pp. 41-55. doi: 10.22103/jdc.2022.17949.1142
محمدی باغملائی, حسین, پارسا, حجت, طهماسبی, سعید, حاجیانی, پرویز. کاربرد معیار آنتروپی‌تجمعی و الگوریتم PSO در بهینه‌سازی سبد سهام شرکت‌های پتروشیمی بازار بورس اوراق بهادار. , 1400; 6(2): 41-55. doi: 10.22103/jdc.2022.17949.1142

کاربرد معیار آنتروپی‌تجمعی و الگوریتم PSO در بهینه‌سازی سبد سهام شرکت‌های پتروشیمی بازار بورس اوراق بهادار

توسعه و سرمایه
مقاله 3، دوره 6، شماره 2 - شماره پیاپی 11، دی 1400، صفحه 41-55    اصل مقاله (821.08 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22103/jdc.2022.17949.1142
نویسندگان
حسین محمدی باغملائی1؛ حجت پارسا* 2؛ سعید طهماسبی3؛ پرویز حاجیانی4
1کارشناس ارشد گروه اقتصاد انرژی، دانشگاه خلیج فارس، بوشهر، ایران.
2دانشیار گروه اقتصاد، دانشگاه خلیج فارس، بوشهر، ایران.
3دانشیار گروه آمار استباطی‌ریاضی، دانشگاه خلیج فارس، بوشهر، ایران.
4استادیار گروه اقتصاد، دانشگاه خلیج فارس، بوشهر، ایران.
چکیده
هدف: هدف اصلی این مطالعه کاربرد معیار آنتروپی تجمعی در مدل بهینه‌سازی سبد سهام مارکوویتز و حل این مدل با الگوریتم فراابتکاری حرکت تجمعی ذرات (PSO) برای بهینه‌سازی سبد سهام شرکت‌های پتروشیمی بازار بورس است که بدین منظور از داده‌های بازدهی ماهانه مربوط به 15 شرکت پتروشیمی بازار بورس در بازه زمانی 1/7/1392 تا 31/6/1398 استفاده شده است.
 روش: برای بهینه‌سازی سبد سهام در دنیای واقعی به دلیل درنظرگرفتن محدودیت‌های متعدد، مدل مارکوویتز قابلیت تولید جواب بهینه را ندارد. ازاین‌رو می‌توان از الگوریتم‌های فراابتکاری کمک گرفت. در این پژوهش با استفاده از معیار آنتروپی تجمعی و الگوریتم PSO بهینه‌سازی سبد سهامِ شرکت‌های پتروشیمی انجام می‌شود.
 یافته‌ها: در الگوریتم PSO مقدار ِمیانگین تابع بازدهی سهام کمتر از مقدار ِمیانگین تابع بازدهی سهام در مدل مارکوویتز است.
 برای مقایسه نهایی این دو مدل با استفاده از مقادیر جدول، شاخص پاداش نوسان پذیری سبد سهام (که نسبت بازدهی به ریسک سبد سهام تعریف می‌شود) محاسبه شده است که مقدار این شاخص در الگوریتم PSO بیشتر از مدل مارکوویتز است.
 نتیجه‌گیری: معیار آنتروپی تجمعی می‌تواند در بسیاری از مسائل مالی بدون لحاظ کردن محدودیت‌های مربوط به معیار واریانس استفاده شود. در زمینه بهینه‌سازی سبد سهام، الگوریتم PSO با استفاده از معیار آنتروپی تجمعی یک سبد سهام با کارایی بیشتر نسبت به مدل مارکوویتز تشکیل داده و در نهایت یک سبدسهام بهینه برای سرمایه‌گذار طراحی می‌کند.
کلیدواژه‌ها
مدل بهینه‌سازی سبد سهام مارکوویتز؛ آنتروپی تجمعی؛ الگوریتم حرکت تجمعی ذرات؛ شرکت‌های پتروشیمی
مراجع
بیات، علی؛ اسدی، لیدا. (1396). بهینه‌سازی پرتفوی سهام: سودمندی الگوریتم پرندگان و مدل مارکوویتز. مجله مهندسی مالی و مدیریت اوراق بهادار، 8(32)، 63-85.

راعی، رضا؛ باجلان، سعید؛ حبیبی، مصطفی؛ نیک‌عهد، علی. (1396). بهینه‌سازی پورتفوی چندهدفه بر اساس میانگین، واریانس، آنتروپی و الگوریتم ازدحام ذرات. مجله مدل‌سازی ریسک و مهندسی مالی، 2(2)، 379-362.

راعی، رضا؛ علی بیگی، هدایت. (1389). بهینه‌سازی پرتفوی سهام با استفاده از روش حرکت تجمعی ذرات. فصلنامه تحقیقات مالی، 12(29)، 41-21.

زندخاوری، چیستا. (1394). بهینه‌سازی پورتفوی بر اساس مدل میانگین-واریانس با استفاده از الگوریتم‌های تکاملی چندهدفه. پایان‌نامه کارشناسی ارشد، دانشکده مهندسی صنایع، دانشگاه خاتم.

قندهاری، مهسا؛ شمشیری، عظیمه؛ فتحی، سعید. (1396). بهینه‌سازی سبد سهام بر مبنای روش‌های تخمین ناپارامتریک. نشریه مدیریت تولید و عملیات، 8 (۱)، 184-175.

کشاورز، ثمره. (1391). مقایسه مدل دو هدفه و سه هدفه بهینه‌سازی پرتفوی با استفاده از الگوریتم ژنتیک رتبه‌بندی نامغلوب (NSGA II). پایان‌نامه کارشناسی ارشد، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا.

مدرس، احمد؛ محمدی استخری، نازنین. (1387). انتخاب یک سبد سهام از بین سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل بهینه‌سازی الگوریتم ژنتیک. مجله توسعه و سرمایه، 1(1)، 92-71.

میزبان، هدیه سادات؛ افچنگی، زهرا؛ احراری، مهدی؛ آروین، فرشاد؛ سوری، علی. (1391). بهینه‌سازی سبد سهام با استفاده از الگوریتم ازدحام ذرات در تعاریف مختلف اندازه‌گیری ریسک. اقتصاد مالی، 6(19)، 227-205.

 

 

References

Bayat, A., Asadi, L. (2017). Stock portfolio optimization: Effectiveness of particle swarm optimization a Markowitz model. Journal of Financial Engineering and Securities Management (Portfolio Management). 8(32), 63-85 [In Persian].

Clark, J., Kim, D. (2013). Modern portfolio theory: Foundations, analysis, and new developments (+ website), Wiley Finance series, Hoboken, N.J:J. Wiley & Sons.

Corazza, M., Fasano, G., Gusso, R. (2013). Particle swarm optimization with non-smooth penalty reformulation for a complex portfolio selection problem. Applied Mathematics and Computation, 224, 611–624.

Cura, T. (2009). Particle swarm optimization approach to portfolio optimization. Nonlinear Analysis: Real World Applications, 10(4), 2396–2406.

Ghandehari, M., Shamshiri, A., Fathi, S. (2017). Portfolio optimization based on nonparametric estimation methods. Journal of Production and Operations Management, 8(1), 175-184 [In Persian].

Gu, R. (2017). Multiscale shannon entropy and its application in the stock market. Physica A: Statistical Mechanics and its Applications, 484(C), 215-224.

Kennedy, J., Eberhart, R. (1995). Particle swarm optimization. IEEE: International Conference on Neural Network, Perth, WA, Australia, 1942-1948.

Keshavarz, S. (2012). Comparison of two-objective and three-objective portfolio optimization models using non-dominated sorting genetic algorithms (NSGA II). Master Thesis, Faculty of Social and Economic Sciences, Al-Zahra University [In Persian].

Komilov, N. (2008). Particle Swarm Intelligence: An Alternative Approach in Portfolio Optimization, Master Thesis, University Ca'Foscary, Venezia.

Markowitz, H. (1952). Portfolio selection. The Journal of Finance, 7(1), 77–91.

Martinez, S., Cortes, J., Bullo, F. (2007). Motion coordination with distributed information. IEEE Control Systems Magazine, 27(4), 75-88.

Mizban, H., Afchangi, Z., Ahrari ,M., Arvin F., Souri, A. (2012). Portfolio optimization problem in different risk measures using particle swarm optimization. Journal of Financial Economics (Financial Economics and Development), 6(19), 205-227 [In Persian].

Modarres, Ph.D, A., Mohammadi Estakhri, N. (2008). Applying genetic optimization algorithm in selecting portfolios of listed companies at Tehran Stock Exchange. Journal of Development and Capital, 1(1), 71-92 [In Persian].

Poole, D., Mackworth, A. (2010). Artificial intelligence: Foundations of computational Agents. Cambridge University Press, ISBN 978-0-521-51900-7.

Philippatos, G., Wilson, C. (1972). Entropy, market risk, and the selection of efficient portfolios. Applied Economy, 4(3), 209–220.

Raei, R., Ali Beigi, H. (2011). Portfolio optimization using particle swarm optimization method. Financial Research Quarterly, 12(29), 21-40 [In Persian].

Raei, R., Bajelan, S., Habibi, M., Nikahd, A. (2017). Optimization of multi-objective portfolios based on mean, variance, entropy and particle swarm algorithm. Quarterly Journal of Risk Modeling and Financial Engineering, 2(3), 362–379 [In Persian].

Tahmasebi, S., Parsa, H. (2019). Notes on cumulative entropy as a risk measure. Stochastics and Quality Control, 34(1), 1-7.

Zandkhavari, C. (2015). Portfolio optimization based on Mean-variance model using Multi-Objective Evolutionary Algorithms. Master Thesis, Faculty of Industrial Engineering, Khatam University [In Persian].

آمار
تعداد مشاهده مقاله: 597
تعداد دریافت فایل اصل مقاله: 271


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب