چکیده:
در مباحث مالی، نظریه انتخاب بهینه سبد سهام، نقشی حیاتی در تصمیمات سرمایهگذاران دارد. بازده سهام در مدلهای سنتی اغلب توسط دادههای تاریخی محاسبه میشود. در صورتی که سهامها اغلب تحت تائیر عواملی نامشخص هستند و غیرممکن است که بتوانیم به خوبی تمامی اثرات موثر را شبیهسازی کنیم. بنابراین در بازارهای امروزه مالی، برای بهکار بردن عوامل غیر دقیقی که بر روی بازده سهام تاثیر میگذارند، میبایست از متغیرهایی با توزیعهای مبهم برای رفتار بازده سهام، همانند متغیرهای فازی استفاده کنیم.
در این پژوهش، ضمن بررسي جامع ادبیات موضوع، پیشرفتها و گسترشهای صورت پذیرفته در زمینه انتخاب و بهینهسازی سبد سهام، از تئوری اعتبار برای محاسبه گشتاورهای آماری همانند ارزش مورد انتظار، واریانس، چولگی و نیمه گشتاور آماری همانند نیمهکشیدگی و همچنین معیار ارزش در معرض خطر و عدم قطعیت برای ساخت مدل در محیط فازی استفاده شده است و در نهایت مدل چندهدفه توسعه داده شد.
جهت حل این مدل دو رویکرد مورد توجه قرار گرفته است. در رویکرد اول، با استفاده از نسخه دوم الگوریتم ژنتیک با مرتب‌سازی نامغلوب "NSGA-II"، در نرمافزار MATLAB مدل حل شد و در نتیجه برخی از مجموعهای جوابهای پارتو بهینه بدست آمده به عنوان جوابهای بهینه فهرست گردید. در رویکرد دوم، از روش حل فازی زیمرمن استفاده شد که در آن، مدل با استفاده از یک دیدگاه دومرحلهای به یک مدل تکهدفه قطعی تبدیل گردید و از نرمافزار GAMS برای حل آن استفاده شد که منجر به تولید یک جواب منحصر بهفرد بهینه برای سبد سهام گردید.
جهت ارائه نتیجهگیری از پژوهش، سبدهای سهام تصادفی برای مقایسه با سبدهای سهام مسئله ایجاد نموده و به این نتیجه رسیدیم که مدلهای مسئله نسبت به مدلهای تصادفی در سطح بالاتری از بعد رضایت اهداف قرار دارد همچنین نتایج نشان میدهدکه استفاده از الگوریتم چند هدفه نتایج متنوعتری از لحاظ معیارهای مدل، نسبت به حالت تکهدفه ایجاد میکند.
دیدگاه خود را ثبت کنید