دوره 18، شماره 1 - ( 1-1400 )                   جلد 18 شماره 1 صفحات 124-101 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Yazdani Khodashahri M B, Nasl Mosavi S H, Hosseini Shirvani M. Optimal Stock Portfolio Selection Using Hybrid Meta-Heuristic Algorithms. jor 2021; 18 (1) :101-124
URL: http://jamlu.liau.ac.ir/article-1-1988-fa.html
یزدانی خداشهری محمدباقر، نسل موسوی سید حسین، حسینی شیروانی میرسعید. انتخاب بهینه سبد سهام با استفاده از الگوریتم ترکیبی فرا ابتکاری. تحقیق در عملیات در کاربردهای آن. 1400; 18 (1) :101-124

URL: http://jamlu.liau.ac.ir/article-1-1988-fa.html


گروه حسابداری، واحد قائمشهر، دانشگاه آزاد اسلامی، قائمشهر ، Nseyedhossein2@gmail.com
چکیده:   (2504 مشاهده)
انتخاب سبد سهام همواره از اساسی‌ترین مسایل سرمایه‌گذاران است. از لحاظ نظری انتخاب سبد سهام در حالت حداقل کردن ریسک با فرض ثبات بازده به کمک روابط ریاضی قابل حل است، اما با تنوع انتخاب در بازار سرمایه، تنها روابط ریاضی، راه حل موثری نیست. تنوع ابزارهای سرمایه‌گذاری و تفاوت تابع مطلوبیت سرمایه‌گذاران، فرآیند انتخاب را پیچیده نموده است. اینک گسترش بازارهای مالی و سرمایه، استفاده از سیستمهای قاعده محور برای تصمیمگیری‌های سریع، با ریسک حداقل و به دور از اشتباهات انسانی، طراحی، توسعه یا بهبود این سیستمها می‌تواند به‌عنوان مزیت رقابتی باشد. در پژوهش حاضر، از الگوریتم شبکههای عصبی و برنامهنویسی شبکه ژنتیک، برای تشخیص ویژگی‌های موثر و از درخت تصمیم ID3 بهبودیافته به‌عنوان روش پیشنهادی جهت پیشبینی قیمت و روند تغییر قیمت سهام برای انتخاب سبد بهینه استفاده شده است. نتایج تحقیق نشان می‌دهد، روش پیشنهادی علاوه بر کاهش سربار محاسباتی و حافظه‌ای، قادر است تا با دقت بالایی به پیشبینی نوسانات شدید با الگوهای غیرخطی پرداخته و نسبت به روش‌های روز دنیا چون جستجوی نزدیک‌ترین همسایگی، رگرسیون خطی، میانگین متحرک خود همبسته و الگوریتم پیش بینی سری زمانی، بهتر عمل نماید.
متن کامل [PDF 1107 kb]   (947 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1398/11/5 | پذیرش: 1399/6/2

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.