Index-tracking portfolio optimization με την χρήση εξελικτικού αλγορίθμου
| datacite.contributor.RelatedPerson | Μακρής Χρήστος | |
| datacite.contributor.RelatedPerson | Κουτσομητρόπουλος Δημήτριος | |
| datacite.contributor.Supervisor | Σιούτας Σπυρίδων | |
| datacite.rights | http://purl.org/coar/access_right/c_abf2 | el |
| dc.contributor.author | Θάνος, Ιωάννης | |
| dc.contributor.other | Thanos, Ioannis | |
| dc.date.accessioned | 2021-06-30T10:09:19Z | |
| dc.date.available | 2021-06-30T10:09:19Z | |
| dc.date.copyright | 2021-06-30 | |
| dc.degree | graduateThesis | el |
| dc.description.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. | el |
| dc.description.translatedabstract | The problem of Portfolio Optimization is an important aspect of the general problem of informed decisions in investment management. The general problem of portfolio optimization compared to the ‘naive’ optimization of mean-variance according to the Markowitz portfolio theory is an extremely demanding problem, as it is necessary to define a set of optimal solutions in relation to multiple objectives, where the objective functions usually have many optimal points and are non-smooth. In addition, the objectives are subject to various constraints, many of which are non-linear and discontinuous. As a result, conventional optimization methods can’t cope with such a demand. An alternative solution is stochastic heuristic search algorithms. In this specific thesis, an evolutionary algorithm for portfolio optimization will be implemented using the Index tracking technique. To put it simply, from a set of stocks a part of them should be selected which determine specific restrictions while in addition they should follow/reproduce the course of the stock index. In the context of this Thesis: Initially, a research and study of the relevant literature will be carried out. Then a genetic algorithm will be designed and developed, as well as a simple command line interface that will support the algorithm interface with the user. The performance of the proposed algorithm will be evaluated on real stock data (for example the data will refer to one or some of the indexes Hang Seng, DAX 100, FTSE 100, S&P 100, Nikkei 225) and the results will be compared with those of other methodologies, in order to draw useful conclusions about the effectiveness of the proposed methodology. | el |
| dc.identifier.uri | http://hdl.handle.net/10889/14881 | |
| dc.language.iso | gr | el |
| dc.subject | Υπολογιστική νοημοσύνη | el |
| dc.subject | Γενετικοί αλγόριθμοι | el |
| dc.subject | Διπλός πληθυσμός | el |
| dc.subject | Βελτιστοποίηση χαρτοφυλακίου | el |
| dc.subject.alternative | Computational intelligence | el |
| dc.subject.alternative | Genetic algorithms | el |
| dc.subject.alternative | Dual-population | el |
| dc.subject.alternative | Portfolio optimization | el |
| dc.title | Index-tracking portfolio optimization με την χρήση εξελικτικού αλγορίθμου | el |
| dc.title.alternative | Index-tracking portfolio optimization using a genetic algorithm | el |
| oaire.licenseCondition | null | el |