طراحی و حل مدل متوازن سازی مجدد سبد سهام چند هدفه با روش ترکیبی شبیه سازی و برنامه ریزی آرمانی فازی

محورهای موضوعی : مهندسی مالی

حسین دیده خانی ¹ (عضو هیات علمی گروه مهندسی مالی دانشگاه آزاد اسلامی واحد علی آباد کتول)
زینب فریدونی کوچکسرایی ² (دانشجوی دکتری تخصصی گروه مهندسی مالی، گروه مهندسی مالی، دانشگاه آزاداسلامی واحد علی آبادکتول، ایران)

تاریخ دریافت : 1396/10/04 تاریخ پذیرش : 1396/11/25 تاریخ انتشار : 1397/10/01

کلید واژه: الگوریتم ژنتیک, متوازن سازی مجدد فازی در سبد سهام, برنامه ریزی چندهدفه, برنامه ریزی آرمانی فازی,

چکیده مقاله :

توانایی انتخاب بهینه‌ترین تغییر در ترکیب سبد دارایی‌ها، سرمایه‌گذار را به بالاترین سطح کارایی و اثربخشی در امر سرمایه‌گذاری در شرایط پویا و پر از تغییر بازار سرمایه می‌رساند. متوازن سازی مجدد پرتفوی، از طریق تغییر در ترکیب اوزان سهام، حذف سهام، خرید و فروش سهام و ... صورت می‌گیرد. از این‌رو در این پژوهش به حل یک مدل متوازن سازی مجدد سبد سهام چندهدفه با پارامترهای فازی پرداخته شد. معیارها یا اهداف در نظر گرفته شده در این تحقیق بازده، ریسک، نقدینگی و عدم قطعیت می‌باشند. همچنین هزینه‌های معاملاتی با توجه به اهمیت آن، به عنوان یک معیار فرعی در نرخ بازده خالص در نظر گرفته می‌شود. مدل متوازن سازی مجدد سبد سهام چندهدفه با پارامترهای فازی توسط برنامه ریزی آرمانی فازی و یک الگوریتم هوشمند ترکیبی که شبیه سازی فازی را با یک الگوریتم ژنتیک ترکیب می‌کند حل می‌گردد. نتایج حاصل حاکی از اثربخشی رویکرد حل و کارایی مدل در کاربردهای عملی با در نظر گرفتن سطوح متفاوتی از سرمایه‌گذاران می‌باشد.

چکیده انگلیسی:

The ability to choose the most optimal change in the composition of the portfolio of assets, brings the investor to the highest level of investment in terms of efficiency and effectiveness in the dynamic and changing market. Rebalancing the portfolio occur through a change in the composition of assets weights, remove the assets, bought and sold assets and etc. Therefore, in this study solving the multiobjective portfolio rebalancing model with fuzzy parameters. The return, risk, liquidity and uncertainty as a key financial criteria are considered. Due to its importance as well as transaction costs, the net return of the portfolio are adjusted. the multiobjective portfolio rebalancing model with fuzzy parameters is solved by fuzzy goal programming and a hybrid intelligent algorithm that combines fuzzy simulation with a genetic algorithm. The results demonstrated the effectiveness of the solution approach and effciency of the model in practical applications of rebalancing an existing portfolio.