مقاله بهینه سازی سبدسهام با استفاده از روش k-means و الگوریتم ژنتیک


در حال بارگذاری
17 سپتامبر 2024
فایل ورد و پاورپوینت
2120
4 بازدید
۶۹,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله بهینه سازی سبدسهام با استفاده از روش k-means و الگوریتم ژنتیک دارای ۳۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بهینه سازی سبدسهام با استفاده از روش k-means و الگوریتم ژنتیک  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بهینه سازی سبدسهام با استفاده از روش k-means و الگوریتم ژنتیک،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن مقاله بهینه سازی سبدسهام با استفاده از روش k-means و الگوریتم ژنتیک :

تعداد صفحات :۳۲

دیدگاهی که در این مقاله ارائه می دهیم در دو مرحله جای می گیرد: مرحله ی اول طبقه بندی سهم ها ی پورتفوی ابتدایی با روش k-means به دسته های کوچکتر است، سپس طبقه ای که کمترین ریسک و بیشترین بازده را دارد یا به عبارتی طبقه ای که بهینه تر می باشد را به عنوان ورودی الگوریتم خود که آن را MinVaRMaxR نامیده ایم برمی گزینیم. الگوریتم مذبور،الگوریتم پویایی، براساس الگوریتم ژنتیک و مفهوم ارزش در معرض خطر می باشد. هدف ما از اجرای این الگوریتم، مینیمم کردن ریسک و ماکسیمم کردن بازده پورتفوی، به صورت همزمان می باشد. به همین منظور ۱۰۰ شرکت عضو بورس اوراق بهادار تهران طی سالهای ۱۳۸۸، ۱۳۸۹ و ۱۳۹۰ به صورت روزانه مورد مطالعه قرار گرفته است. توزیع داده ها نرمال نبوده، به همین دلیل از آزمون های آمار ناپارامتری جهت آزمون فرضیات استفاده شده است. نتایج تحقیق بیانگر آن است که طبقه بندی داده ها وسپس اجرای الگوریتم ژنتیک روی طبقه ی بهینه موجب دستیابی به پورتفویی می شود که نسبت به پورتفوهای حاصل از اجرای ژنتیک به تنهایی، دارای ریسک کمتر و بازدهی بیشتر است. همچنین در مورد سبدهای با اندازه ی کوچکتر، الگوریتم ژنتیک خود به خود سبدی را بر می گزیند که در طبقه ی بهینه ی انتخابی الگوریتم طبقه بندی جای گرفته است.

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.