مقایسه کارایی الگوریتم حرکت تجمعی ذرات و الگوریتم ژنتیک در حل مساله بهینه سازی سبد سهام
چکیده
در این پایان نامه پس از بررسی ادبیات موضوع و مطالعه الگوریتم ژنتیک و حرکت تجمعی ذرات به بررسی کارایی دو الگوریتم در حل مساله مارکویتز می پردازیم
در این پایان نامه پس از بررسی ادبیات موضوع و مطالعه الگوریتم ژنتیک و حرکت تجمعی ذرات به بررسی کارایی دو الگوریتم در حل مساله مارکویتز می پردازیم
امروزه توجه بسیاری از پژوهشگران به دسته ای خاص از الگوریتم ها با عنوان الگوریتم های فرا ابتکاری معطوف شده است. الگوریتم های فرا ابتکاری به طور قابل توجهی توانایی یافتن جواب های با کیفیت بسیار بالا را در زمانی منطقی، خصوصاً برای مسائل ترکیبی سخت، افزایش داده اند. یکی از روش های فر
در این پژوهش مسأله بهینه سازی سبد سهام با توجه به اهمیت آن در بورس اوراق بهادار و نقش آن در تخصیص بهینه منابع مورد بررسی قرار گرفته است. مدل میانگین-واریانس مارکوویتز یکی از مدل هایی است که برای حل این مسأله مورد استفاده قرار می گیرد. هر چند این مدل از لحاظ نظری با فرمول های ریاض
مدل میانگین- واریانس مارکوویتز یکی از مدل های کلاسیک برای انتخاب سبد سرمایه گذاری است. اخیراً محدودیت تعداد و مقدار سهام انتخابی به منظور بهبود عملکرد و کاهش هزینه های معاملاتی نیز به این مساله اضافه شده است. اضافه کردن این محدودیت، مساله را به یک مساله بهینه سازی با متغیرهای پیو
ریسک و بازده، دو عنصر اصلی موثر در تصمیمات سرمایه گذاری در سهام است. این پایان نامه، مدل مناسب برای بیشینه سازی بازده مورد انتظار سرمایه گذار به همراه کمینه سازی ریسک به ازای آن بازده، در قالب یک مساله بهینه سازی دو هدفه را ارائه می دهد. اهداف مورد بررسی در این پایان نامه با هدف
افزایش میزان سود و کاهش ریسک سرمایه گذاری دربورس همیشه مهمترین دغدغه سرمایه گذاران بوده است و آنها همواره به دنبال راهی هستند که بهترین پیشنهاد را برای خرید سهام داشته باشند به گونه ای که دارای بیشترین بازده و کمترین ریسک سرمایه گذاری باشد. تحقیقات زیادی در این رابطه انجام گرفته
چکیده قبل از به وجود آمدن تولیدات پراکنده، برق توسط نیروگاههای بزرگ تولید و پس از طی مسافتی بسیار طولانی توسط خطوط انتقال به محل مصرف می رسید، این شیوه ی انتقال معایبی مانند افزایش تلفات خط و افت ولتاژ و. . .را به سیستم وارد می کند . استفاده بهینه از تولیدات پراکنده و بکارگیری آن
هدف این پژوهش ترکیب الگوریتم ژنتیک در بهینه سازی سبد سهام در تصمیم گیری مالی سرمایهگذاران میباشد؛ در یک پروژه شبیه سازی، استفاده نهایی از دادههای ورودی برای ساختن مدل شبیه سازی میباشد. این فرآیند شامل جمع آوری دادههای ورودی، آنالیز کردن دادههای ورودی و استفاده از این دادهها
سرمایهگذاران مختلف با سطوح سرمایهگذاری متفاوت در یک هدف با یکدیگر مشترک هستند و آن هم دستیابی به سبدی از داراییها است که در عین برآورده نمودن بازده مورد انتظار آنها، حداقل ریسک ممکن را به همراه داشته باشد. در این تحقیق هدف ما کمک به یک شرکت سرمایهگذاری جهت دستیابی به ترکیب
ریسک سقوط قیمت سهام ریسکی است که نشان می دهد تا چه اندازه قیمت سهام خاص درمعرض خطر سقوط قرار دارد. بر همین اساس هدف این پژوهش، مدل بندی پیش بینی خطر سقوط قیمت سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، با استفاده از الگوریتم بهینه سازی حرکت تجمعی ذرات بر مبنای مدل چند م
با توجه به این که بخش کشاورزی بیشترین مصرف کننده ی آب است، اتخاذ روش مناسب و توسعه مدلی برای تخصیص بهینه آب به محصولات کشاورزی یکی از مهم ترین گام ها در جهت مدیریت منابع آب است. هدف اصلی این مقاله تخصیص بهینه آب به محصولات کشاورزی در شرایط محدودیت آبی و با استفاده از الگوریتم های
یکی از جذابترین حوزه¬های تصمیم¬گیری در شرایط عدم اطمینان، بهینه¬¬سازی مالی است. مسئله انتخاب سبد سرمایه¬گذاریتک دوره¬ای از مسائل کلاسیک حوزه مالی می¬باشد اما این مدل بر پایه سه فرض محدودکننده بنا شده است. از این رو در این پژوهش، ابتدا مدلی تحت عنوان مدل بهینه¬سازی سبد سرمایه¬گذار
انتظارات مربوط به سود اثرات قابل ملاحظه ای بر تصمیمات مدیران و سرمایهگذاران دارد. یکی از معیار هایی که امروزه به عنوانشاخص سود آوری شرکتها مورد توجه قرار می گیرد، مفهوم سود هر سهم است.سود هر سهم آثار عمده ای بر قیمت سهام شرکت ها نیز دارد. از اینرو پیش بینی سود هر سهمهم برای س