چکیده:
یکی از ویژگیهای مهم کشورهای صنعتی و توسعه یافته، وجود بازار فعال و پویای پول و سرمایه است. بنابراین سرمایهگذاری نقش تعیین کنندهای در رشد اقتصادی دارد. از اهداف اساسی این کشورها، دستیابی به رشد اقتصادی و توسعه ی پایدار میباشد. در کنار این از عمدهترین مسائل کشورهای جهان سوم، نبود ساختار مناسب برای سرمایههای افراد و سازمانها میباشد. امروزه حجم قابل توجهی از کار مدیران سرمایه گذاری و همچنین به طور عموم سرمایه گذاران، ساختن سبد سهام کارآمدی از دارایی هاست که اهداف تقاضا را برآورده سازد. مفاهیم بهینه سازی سبد سهام و تنوع بخشی به مثابه ابزاری در راستای توسعه و فهم بازارهای مالی و تصمیمگیری مالی درآمدهاند. انتشار نظریه انتخاب سبد سهام هری مارکویتیز اصلیترین و مهمترین موفقیت در این راستا بود. در این تحقیق از مدل میانگین- واریانس مارکویتز به همراه محدودیتهای عدد صحیح و همچنین یک رویکرد فرا ابتکاری جدید به نام الگوریتمBig Bang-Big Crunch برای تشکیل سبد سهام بهره گرفته شده است. الگوریتم مورد استفاده در این تحقیق با سایر الگوریتمهای فراابتکاری نظیر الگوریتم شبیهسازی تبریدی، ژنتیک و... با استفاده از دادههای سهام شاخصهای بورس هنگ کنگ، ایران و ژاپن مقایسه شده است و نتایج، حاکی از رقابتی بودن این الگوریتم برای حل مساله بهینهسازی سبد سهام دارند.
An important feature of industrialized and developed countries is the existence of a dynamic and active money and capital market. Therefore, investment plays a decisive role in economic growth. One of the main objectives of the countries is to achieve sustainable economic growth and development. Nowadays a considerable amount of works of investment managers and investors, is building a portfolio of assets that effectively meet demand goal. Portfolio optimization and diversification concepts have become a tool for developing and understanding financial markets and financial decision making. The introduction of Harry Markowitz's portfolio selection theory was the main and most important success in this direction. In this study, we use the mean-variance Markowitz model with cardinality constraints and also a new innovative approach called the Big Bang-Big Crunch algorithm to create a portfolio of assets. The proposed algorithm in this study compares with other algorithms such as simulated annealing, genetic, etc. Using datasets are taken from the stock exchange indices in Hong Kong, Iran and Japan and the results show that this algorithm is competitive to solve the portfolio optimization problem efficiently.
خلاصه ماشینی:
بکارگیری الگوریتم Big Bang-Big Crunch به عنوان رویکردی جدید در بهینه سازی سبد سهام و مقایسه آن با سایر روش های بهینه سازی امیر امینی ١، علیرضا علی نژاد٢ تاریخ دریافت : ٩٥/٠٣/١٠ تاریخ پذیرش:٩٦/٠٢/٠٩ چکیده یکی از ویژگیهای مهم کشورهای صنعتی و توسعه یافته ، وجود بـازار فعـال و پویـای پـول و سـرمایه اسـت .
در این تحقیـق از مـدل میـانگین - واریـانس مـارکویتز بـه همراه محدودیت های عدد صحیح و همچنین یک رویکرد فرا ابتکاری جدید به نـام الگـوریتم -Big Bang Big Crunch برای تشکیل سبد سهام بهره گرفته شده است .
مدل تعریف شده (معادلات١٤-١٠) یک برنامه ریزی ترکیبی عـدد صـحیح درجـه دوم بـوده و الگـوریتم کـارایی بـرای حـل آن وجـود نـدارد، بنـابراین ایـن تحقیـق ، الگوریتم BB-BC را به عنوان یک رویکرد تکاملی فرا ابتکاری جدید مورد استفاه قرار می دهد که از گام های اصلی زیر تشکیل شده است : ١- تولید N جواب اولیه به صورت تصادفی با توجه به محدودیت های فضای جستجو ٢- محاسبه تابع تناسب برای همه جوابها ٣- پیدا کردن مرکز چگال از رابطه زیر و یا انتخاب عضو با بهترین مقدار تناسب به عنوان مرکز چگال ⃗ ⃗= ∑ ٤- محاسبه جوابهای جدید حول مرکز چگال با استفاده از توزیع نرمال که مقدار انحراف استاندارد آن با افزایش تعداد تکرارها کاهش مییابد که به صورت زیر فرموله میشود: x=x+lr⁄k که در این رابطهx مرکز چگال، l حد بالای پارامتر، r عدد تصادفی نرمال و k گام تکرار است .