خلاصة:
اﻣﺮوزه ﻟﺰوم انتخاب سبد سهام ﺑﻪ ﻋﻨﻮان ﻋﺎﻣﻞ اﺻﻠﯽ ﻣﻮﻓﻘﯿﺖ در سودآوری سرمایهگذاری آﺷﮑﺎر اﺳﺖ. ارزیابی سهام از ﺗﻤﺎﻣﯽ اﺑﻌﺎد آن ﻧﯿﺎز ﺣﯿﺎﺗﯽ در سازمانهای سرمایهگذار اﺳﺖ. از این رو در این پژوهش یک مدل ریاضی چند هدفه دو مرحلهای ارزیابی و انتخاب سبد پروژه معرفی شد. با توجه به عدم قطعیتهای موجود در ارزیابی سبد پروژه، تئوری عدم قطعیت استوار برتسیماس و سیم بر روی مدل ریاضی توسعه داده شدند و سپس با توجه به NP-HARD بودن مساله مورد مطالعه، جهت اعتبارسنجی مدل در ابعاد بزرگتر با استفاده از دو الگوریتم فراابتکاری MOPSO و NSGAII به تحلیل یافتههای مدل پرداخته شد. بر اساس تحلیلهای جواب های بدست آمده حاصل از دو الگوریتم نشان داده شد که زمان محاسباتی الگوریتم MOPSO بهتر از الگوریتم NSGAII می باشد و میانگین های تابع هدف اول و دوم MOPSO نیز نشان از برتری این الگوریتم در مقایسه با NSGAII داشت. در سایر پارامترهای تحلیلی مانند NPF و MSI و SM نشان داده شد که الگوریتم NSGAII عملکرد بهتری نسبت به الگوریتم MOPSO دارد. با استفاده از روش TOPSIS نشان داده شد که الگوریتم NSGAII با وزن 0.6945 مطلوبیت بیشتری در برابر MOPSO داشته است.
Today, the need to choose a project portfolio as the main factor in the success of investment profitability is obvious. Evaluating a portfolio of all its dimensions is an urgent and vital need in investment organizations. Therefore, in this research, a two-stage multi-objective mathematical model was evaluated and the project portfolio was selected. Due to the uncertainties in the evaluation of the project portfolio, the theory of firm uncertainty based on Bertsimas and wire were developed on a mathematical model and then due to the NP-HARD being the problem under study, to validate the model in larger dimensions using two algorithms. The meta-initiative of MOPSO and NSGAII analyzed the model findings. Based on the analysis of the results obtained from the two algorithms, it was shown that the computational time of MOPSO algorithm is better than NSGAII algorithm and the means of the first and second objective function of MOPSO also showed the superiority of this algorithm compared to NSGAII. Other analytical parameters such as NPF, MSI and SM showed that the NSGAII algorithm performed better than the MOPSO algorithm. Finally, using TOPSIS method, it was shown that NSGAII algorithm with a weight of 0.6945 was more favorable than MOPSO.
ملخص الجهاز:
/ فصلنامه مهندسي مالي و مديريت اوراق بهادار شماره پنجاه و سه / زمستان ١٤٠١ نوع مقاله : علمي پژوهشي صفحات : ١٥-١ ارائه مدل رياضي دو مرحله اي ارزيابي و انتخاب سبد پروژه شهاب فروتن چهر١ 2 تاريخ دريافت مقاله : ١٤٠٠/٠٩/١٥ تاريخ پذيرش مقاله : ١٤٠٠/١١/١٧ سعيد آقاسي سيدمحمدرضا داودي ٣ چکيده امروزه لزوم انتخاب سبد سهام به عنوان عامل اصلي موفقيت در سودآوري سرمايه گذاري آشکار است .
نواوري در نظر گرفته شده در اين پژوهش عبارت اند از: توسعه يک مدل رياضي دو مرحله اي ارزيابي و انتخاب پروژه ها بر اساس ريسک و ارزش کسب شده 2 توسعه مدل چند هدفه جهت ارزيابي کليه اهداف سرمايه گذار جهت انتخاب سبد بهينه سرمايه گذاري در نظرگرفتن عدم قطعيت برتسيماس و سيم جهت ارزيابي ريسک هايپروژه و سهام براي سرمايه گذاري استفاده از الگوريتم فراابتکاري MOPSO و NSGAII براي ارزيابي و حل مدل رياضي و ارزيابي جبهه پارتوي جواب هاي بهينه .
مقالات نزديک به اين پژوهش نيز مقالات مربوط به رحماني(٢٠١٩) و جن (٢٠١٧) اين که نسبت به مقاله رحماني استفاده از ويژگيهاي ريسک در انتخاب و جين در حل مدل عدم قطعيت به روش استوار سازي برتسيماس و سيم ميباشد که در رويکرد فراابتکاري MOPSO و NSGAII بهره گيري شده است .
Earnings forecasting in a global stock selection model and efficient portfolio construction and management.