چکیده:
هدف پژوهش حاضر، ارزیابی عملکرد شرکتهای فرابورس ایران با استفاده از معیار تسلط تصادفی و بهینهسازی آنها با استفاده از الگوی هیبریدی شبکۀ عصبی مصنوعی و بهینهسازی تجمیع ذرات است. برای رسیدن به این هدف، از بازده هفتگی و روزانۀ 36 شرکت از ابتدای فروردین تا پایان اسفند 1393 استفاده شده است که کاربرد همزمان معیار تسلط تصادفی بهدلیل جهتگیریهای ناپارامتریک و کارآیی اثباتشدۀ الگوی هیبریدی موردنظر، جذابیت خاصی دارد. نتایج پژوهش نشان میدهد تسلط مرتبههای اول، دوم و سوم میان شرکتهای بررسیشده وجود دارد که بین سبدهای تشکیلیافته از سهام شرکتهای رتبهبندیشده براساس تسلط تصادفی، با قید محدودیت حداقل دو و حداکثر ده سهم برای سبد، درنهایت سبد 8 سهمی با ترکیب تابع فعالسازی TPT، سبد بهینه انتخاب شد که در مقایسه با شاخص بازار فرابورس ایران طی دورۀ بررسیشده، عملکردی به مراتب بهتر از خود نشان داده است.
The goal of the current study is performance evaluation of Iranian OTCs companies by using stochastic dominance and optimizing them by employing Artificial Neural Network and Particle Swarm Optimization hybrid model .To fulfill this objective, we used daily and weekly return of under investigation 36 companies of OTC During the period beginningfrom March 21, 2014 until March 20, 2015 in which the application of stochas tic dominance criteria for nonparametric orientation and proven performance of the hybrid model is particular interest. The research results indicated the first-order, second-order, and third-order dominances in the study companies. The portfolios were based on the shares of companies ranked with respect to the stochastic dominance criterion. Considering the minimum and maximum numbers of shares to be 2 and 10 for each portfolio, an eight-share portfolio was selected as the optimal portfolio with the combination of the activation function TPT. Compared with the index of Iran OTC during the research period, the selected portfolio indicated a significantly higher performance.
خلاصه ماشینی:
Performance Evaluation of Iranian OTC's Companies by Using Stochastic Dominance Criteria and Optimizing with PSO and ANN Hybrid Model Gholam Reza Zamanian 1*, Sajad Jamshidi 2 1- Assisstant Professor,Department of Economic, Faculty of Management & Economic, Sistan & Baluchestan University, Zahedan, Iran zamanin@eco.
Keywords: Performance Evaluation, OTC, Stochastic Dominance, ANN, PSO ارزیابی عملکرد شرکتهای فرابورس ایران با استفاده از معیار تسلط تصادفی و بهینهسازی آنبا الگوی ترکیبی PSO و ANN غلامرضا زمانیان 1، سجاد جمشیدی *2 1- استادیار، گروه اقتصاد، دانشکدۀ مدیریت و اقتصاد، دانشگاه سیستان و بلوچستان، ایران zamanin@eco.
نتایج پژوهش نشان میدهد تسلط مرتبههای اول، دوم و سوم میان شرکتهای بررسیشده وجود دارد که بین سبدهای تشکیلیافته از سهام شرکتهای رتبهبندیشده براساس تسلط تصادفی، با قید محدودیت حداقل دو و حداکثر ده سهم برای سبد، درنهایت سبد 8 سهمی با ترکیب تابع فعالسازی TPT، سبد بهینه انتخاب شد که در مقایسه با شاخص بازار فرابورس ایران طی دورۀ بررسیشده، عملکردی به مراتب بهتر از خود نشان داده است.
مسئلۀ بهینهسازی سبد سرمایهگذاری در صورت وجود توزیع نامتقارن بازدهها، همبستگی ناچیزی را متوجه بازدههای حاصل از طول دورۀ نگهداری دارایی مالی میکند ]28[؛ ازاینرو، انتخاب یک معیار مناسب برای اولویتبندی گزینههای سرمایهگذاری، تشکیل سبد بهی Genetic Algorithm Particle Swarm Optimization Kennedy & Eberhart Teacher Previous Best Global best MaxIteration Artificial Neural Network(ANN) Input Weight (IW) Layer Weight (LW) Transfer Function Bias (B) بهینهسازی گزینههای سرمایهگذاری، امری اجتنابناپذیر است.
Financial forecasting usi Diana Al-Khazali Hoang Ephraim & Konstantions Gvanesh Pedersen & Chipperfield networks with quantum-behaved particle swarm optimization.