چکیده:
در رویکردهای سنتی مقادیر مرتبط با اهداف یک مدل تصمیمگیری اغلب معین و قطعی فرض میشود، درحالیکه در دنیای واقعی این مقادیر احتمالی است و تصمیمگیرنده نمیتواند آنها را بهطور قطعی تعیین کند. بهینهسازی مالی یکی از حوزههای جذاب در تصمیمگیری در شرایط عدم اطمینان است. در مسئلۀ انتخاب سبد سرمایهگذاری، تصمیمگیرنده همزمان با اهداف مختلف و گاه متعارض مانند نرخ بازده، نقدینگی، سود تقسیمی و ریسک مواجه است. تاکنون روشهای مختلف برنامهریزی چندهدفه از جمله برنامهریزی آرمانی و برنامهریزی توافقی که بیشترین میزان ترجیحات و آرمانهای تصمیمگیرنده را ارضا کند و روشهای مختلف برنامهریزی چندمعیاره برای مواجهه با مسئلۀ انتخاب سبد سهام استفاده شدهاند. در این پژوهش با تشکیل برنامهریزی تصادفی چندهدفه که شاخصهای مرتبط با اهداف، تصادفی و مبتنی بر توزیع نرمال هستند، از مدل برنامهریزی توافقی با محدودیت تصادفی بهمنظور انتخاب سبد استفاده شد. پس از توسعه و حل مدل، در نهایت نتایج مدل برنامهریزی برای انتخاب سبد سهام در بازار بورس تهران ارائه شده است.
In traditional portfolio selection model coefficients often are certain and deterministic, but in real world these coefficients are probabilistic. So decision maker cannot estimate them exactly. Financial optimization is one of the most attractive areas in decision under uncertainty. In the portfolio selection problem the Decision Maker considers simultaneously conflicting objectives such as rate of return, liquidity, Dividend and risk. Multi-objective programming techniques such as goal programming and compromise programming are used to choose the portfolio best satisfying the Decision Makers aspirations and preferences; additionally Multi Criteria Decision Making (MCDM)Techniques for dealing with portfolio selection have been used. In this article, we assume that the parameters associated with the objectives are random and normally distributed. We propose a chance constrained compromise programming model is based on compromise programming and chance constrained programming models as a deterministic transformation to multi-objective stochastic programming portfolio model. To determine the share of industry investment planning MCDM were used. The result of the planning model for portfolio selection in Tehran Stock Exchange is shown.
خلاصه ماشینی:
برنامه ريزي تصادفي چندهدفه براي انتخاب سبد سهام عليرضا شريفي سليم ١، منصور مؤمني ٢ ٣، رضا راعي ٤ ، محمد مدرس يزدي در رويکردهاي سنتي مقادير مرتبط با اهداف يک مدل تصـميم گيـري اغلـب معـين و قطعي فرض مي شود، درحالي که در دنياي واقعي اين مقـادير احتمـالي اسـت و تصـميم گيرنـده نمي تواند آنها را به طور قطعي تعيـين کنـد.
در اين پژوهش با تشکيل برنامه ريزي تصادفي چندهدفه کـه شـاخص هـاي مـرتبط بـا اهداف ، تصادفي و مبتني بر توزيع نرمال هسـتند، از مـدل برنامـه ريـزي تـوافقي بـا محـدوديت تصادفي به منظور انتخاب سبد استفاده شد.
مدل هاي برنامه ريزي رياضي سرمايه گذاران اهداف و خواسـته هـاي سـرمايه گـذاري خـود را در چـارچوب مـدل هـاي رياضـي چندهدفه اي که تطابق بيشتري با واقعيات تصميم گيري در انتخاب سبد مالي بهينـه دارنـد، بيـان مي کنند.
يافته هاي پژوهش در ادامه کاربرد مدل معرفي شده در مسئلة انتخاب سبد سـهام کـه دربرگيرنـدة اهـداف متعـارض است ، نشان داده شده و در مورد جواب به دست آمده بحث مي شود.
Application of goal programming in a multi-objective reservoir operation model in Tunisia, European Journal of Operational Research, 133(2): 352-361.
Combined DEMATEL technique with a novel MCDM model for exploring portfolio selection based on CAPM, Expert Systems with Applications, 38:16-25.
Goal Programming for Portfolio Selection, the Journal of Portfolio Management (Spring), 22–26.
Propounding a Model for Portfolio Selection in Stock Exchange by Using of MCDM (Case Study: 50 Better Companies).
Multiple criteria linear programming model for portfolio selection.
A two staged goal programming model for portfolio selection.