Index-tracking portfolio optimization με την χρήση εξελικτικού αλγορίθμου

Loading...
Thumbnail Image

Date

Authors

Θάνος, Ιωάννης

Journal Title

Journal ISSN

Volume Title

Publisher

Abstract

Το πρόβλημα της Βελτιστοποίησης Χαρτοφυλακίου (Portfolio Optimization) είναι μία σημαντική πτυχή του γενικότερου προβλήματος της υποστήριξης αποφάσεων στη διαχείριση επενδύσεων. Το γενικότερο πρόβλημα της βελτιστοποίησης χαρτοφυλακίου σε αντιδιαστολή με την «απλή» βελτιστοποίηση μέσου – διασποράς (Mean – Variance) της κατά Markowitz θεωρίας χαρτοφυλακίου είναι ένα ιδιαίτερα απαιτητικό πρόβλημα, καθώς απαιτείται ο καθορισμός ενός συνόλου βέλτιστων λύσεων σε σχέση με πολλαπλούς στόχους, όπου οι αντικειμενικές συναρτήσεις συνήθως έχουν πολλά βέλτιστα σημεία και είναι μη ομαλές. Επιπλέον οι στόχοι υπόκεινται σε διάφορους περιορισμούς, από τους οποίους πολλοί είναι μη γραμμικοί και ασυνεχείς. Αυτό έχει ως αποτέλεσμα οι συμβατικές μέθοδοι βελτιστοποίησης να μην μπορούν να ανταπεξέλθουν. Μία εναλλακτική λύση είναι οι στοχαστικοί ευρετικοί αλγόριθμοι αναζήτησης (stochastic heuristic search algorithms). Στη συγκεκριμένη εργασία θα υλοποιηθεί ένας εξελικτικός αλγόριθμος για τη βελτιστοποίηση χαρτοφυλακίου με τη χρήση της τεχνικής αποτύπωσης δείκτη (Index tracking). Μα απλά λόγια από ένα σύνολο μετοχών θα πρέπει να επιλεγεί ένας αριθμός από αυτές οι οποίες θα πρέπει να ικανοποιούν συγκεκριμένους περιορισμούς ενώ θα πρέπει επιπλέον οι μετοχές που επιλέγονται να ακολουθούν/αναπαράγουν την πορεία του χρηματιστηριακού δείκτη. Στο πλαίσιο αυτής της Διπλωματικής Εργασίας: Αρχικά θα πραγματοποιηθεί αναζήτηση και μελέτη της σχετικής βιβλιογραφίας. Στη συνέχεια θα σχεδιαστεί και αναπτυχθεί ένας γενετικός αλγόριθμος, καθώς επίσης και ένα απλό πρόγραμμα σε περιβάλλον γραμμής εντολών το οποίο θα υποστηρίζει τη διεπαφή του αλγορίθμου με το χρήστη. Η απόδοση του προτεινόμενου αλγορίθμου θα αξιολογηθεί πάνω σε πραγματικά χρηματιστηριακά δεδομένα (για παράδειγμα τα δεδομένα θα αφορούν κάποιον ή κάποιους από τους δείκτες Hang Seng, DAX 100, FTSE 100, S&P 100, Nikkei 225) και τα αποτελέσματα θα συγκριθούν με αυτά άλλων μεθόδων, προκειμένου να εξαχθούν χρήσιμα συμπεράσματα για την αποτελεσματικότητα της προτεινόμενης μεθοδολογίας.

Description

Keywords

Υπολογιστική νοημοσύνη, Γενετικοί αλγόριθμοι, Διπλός πληθυσμός, Βελτιστοποίηση χαρτοφυλακίου

Citation