چکیده:
در این مطالعه، با استفاده از دو الگوریتم شبکه عصبی مصنوعی و شبکه فازی- عصبی به عنوان دو الگوریتم پیشبینی قیمت اوراق بهادار و از دو الگوریتم ممتیک حرکت تجمعی ذرات، الگوریتم ژنتیک و روش کوادراتیک به منظور حل مساله بهینهسازی پرتفوی بدون محدودیت برای 23 شرکت فعال بازار بورس طی سالهای 94-1391 به صورت روزانه استفاده شده است. نتایج حاصل از این تحقیق نشان میدهد که شبکههای عصبی توانسته عملکرد بهتری را در پیشبینی بازده اوراق بهادار نسبت به سیستم فازی عصبی نشان دهد و همچنین در بررسی عملکرد سه الگوریتم کوادراتیک، ژنتیک و ممتیک، نتایج نشان میدهد که الگوریتم جهش ترکیبی قورباغه توانسته عملکرد و نتیجه بهتری را در مقایسه با الگوریتم ژنتیک نسبت به الگوریتم کوادراتیک نشان دهد. و همچنین نتایج این مطالعه، نشان میدهد که الگوریتم شبکه عصبی میتواند الگوریتمی قابل اتکا برای سهامداران باشد.
خلاصه ماشینی:
مقايسه الگوريتم هاي پيش بيني و بهينـه سـازي 1 پرتفوي در بورس اوراق بهادار تهران مجيد فشاري ٢ و پوريا مظاهري فر٣ تاريخ دريافت : ١٣٩٥/٠٢/٠١ تاريخ پذيرش : ١٣٩٥/٠٣/٣١ چکيده در اين مطالعه ، با استفاده از دو الگوريتم شبکه عصبي مصنوعي و شبکه فازي- عصبي به عنوان دو الگوريتم پيش بينـي قيمـت اوراق بهـادار و از دو الگوريتم ممتيـک حرکـت تجمعـي ذرات ، الگـوريتم ژنتيـک و روش کوادراتيک به منظور حل مساله بهينه سازي پرتفـوي بـدون محـدوديت براي ٢٣ شرکت فعال بازار بورس طي سال هـاي ٩٤-١٣٩١ بـه صـورت روزانه استفاده شده است .
همچنين براي پيش بيني داده ها نيز الگوريتم ها و روش هاي بسيار زيـادي موجود مي باشد که در اين مطالعه ، از دو مدل شبکه هاي عصبي و فازي - عصبي اسـتفاده شده است .
در نهايت ، با استفاده از الگوريتمي که در پيش بيني و همچنين روشي که در رسـيدن به مرزکاراي پرتفوي بهتر بوده ، براي به دست آوردن مرزکارا پرداخته شده ، و سپس ايـن مرزکارا را با مرزکارآيي که از داده هاي واقعي حاصل آمده است ، مورد مقايسه قرار مي دهـيم .
پس از محاسبه وزن سهام در هر پورتفوي ، با استفاده از الگـوريتم ژنتيک ، ممتيک حرکت تجمعي ذرات (جهش قورباغه ) و روش کوادراتيک ، به حل مساله بهينه سازي پرتفوي بدون محدويت پرداخته شده که در نهايت ، مرزکاراي به دست آمـده توسط روش ها به صورت نمودار زير مي باشند: (رجوع شود به تصویر صفحه) نمودار ١.