Show simple item record

Βελτιστοποίηση χαρτοφυλακίου μέσω ευρετικών τεχνικών προσομοίωσης

dc.contributor.advisorΜπούτσικας, Μιχαήλ
dc.contributor.authorΠεσκώστας, Αντώνιος
dc.date.accessioned2019-11-20T11:16:06Z
dc.date.available2019-11-20T11:16:06Z
dc.date.issued2019-11
dc.identifier.urihttp://dione.lib.unipi.gr/xmlui/handle/unipi/12351
dc.description.abstractΣτην εργασία αυτή αναλύονται τα βασικά στοιχεία που καθορίζουν την σύσταση ενός χαρτοφυλακίου. Επισημαίνεται ο σκοπός της σύνθεσης ενός χαρτοφυλακίου καθώς και η αξία της διαφοροποίησης. Εξετάζονται αναλυτικές μέθοδοι και μοντέλα τα οποία οδηγούν σε κλειστούς τύπους και προσδιορίζουν την βέλτιστη σύνθεση ενός χαρτοφυλακίου επενδύσεων, είτε ελαχιστοποιώντας ένα συγκεκριμένο μέτρο κινδύνου του χαρτοφυλακίου είτε μεγιστοποιώντας της αναμενόμενη ωφελιμότητά του. Στη σύγχρονη προσέγγιση του προβλήματος μέτρα όπως το Sharpe ratio συνδυάζουν και τα δύο. Παρουσιάζουμε επίσης τις βασικότερες από τις κλασσικές μεθόδους βελτιστοποίησης όπως ο τετραγωνικός προγραμματισμός, και αναλύουμε εκτενώς μία νέα σχετικά κατηγορία αλγορίθμων που ονομάζονται Μεταευρετικοί και οι οποίοι μπορούν και δίνουν πολύ καλές λύσεις σε πολύ καλό υπολογιστικό χρόνο επιδεικνύοντας εξαιρετική απόδοση και επίδοση. Στην πρώτη ενότητα αναφερόμαστε αναλυτικά στα πιο βασικά μοντέλα που διέπουν την σύγχρονη θεωρία Χαρτοφυλακίου όπως το Markowitz Model, το Black Model και το Tobin Model. Όλα αυτά τα μοντέλα τα εξετάζουμε από την σκοπιά της βελτιστοποίησης με περιορισμούς, όπου με την βοήθεια μεθόδων όπως οι πολλαπλασιαστές του Lagrange και οι αναγκαίες συνθήκες των Karush-Kuhn-Tucker μπορούν και δίνουν σε αρκετές περιπτώσεις κλειστού τύπου λύσεις στην αναζήτηση του βέλτιστου Χαρτοφυλακίου. Σε εκείνες όμως τις περιπτώσεις όπου είτε ο αριθμός είτε το είδος των περιορισμών καθιστά την εύρεση αναλυτικής λύσης αδύνατη, παρουσιάζονται σε επόμενη ενότητα άλλες αριθμητικές μέθοδοι προσέγγισης της βέλτιστης λύσης. Στη δεύτερη ενότητα γίνεται αναφορά στον τρόπο λειτουργίας και στα χαρακτηριστικά κλασσικών αλγορίθμων βελτιστοποίησης, αλλά και των πιο σύγχρονων μεταευρετικών αλγορίθμων (Metaheuristics) και πιο συγκεκριμένα αυτών της νοημοσύνης σμηνών (Particle Swarm Optimization, Ant Colony Optimization) και της τυχαίας αναζήτησης (Simulated annealing, Tabu search). Στην τρίτη ενότητα αναλύεται εκτενώς μία ακόμα σημαντική κατηγορία των μεταευρετικών αλγορίθμων, η οποία είναι οι γενετικοί αλγόριθμοι (Genetic Algorithms) οι οποίοι αποτελούν και το βασικό αντικείμενο της παρούσας εργασίας. Με την δημιουργία κώδικά μέσω του προγραμματιστικού περιβάλλοντος της γλώσσας R, την εφαρμογή τους σε διάφορα παραδείγματα και την παρουσίαση πινάκων και γραφημάτων αναλύονται οι μηχανισμοί και η λειτουργία τους. Τέλος στην τέταρτη ενότητα γίνεται εφαρμογή των γενετικών αλγορίθμων σε ένα πρακτικό πρόβλημα (real case study) όπως αυτό της εύρεσης της βέλτιστης σύνθεσης ενός επενδυτικού χαρτοφυλακίου βασιζόμενοι σε πραγματικές αποδόσεις διαφόρων επενδυτικών τίτλων.el
dc.format.extent148el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Πειραιώςel
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Διεθνές*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.titleΒελτιστοποίηση χαρτοφυλακίου μέσω ευρετικών τεχνικών προσομοίωσηςel
dc.title.alternativePorfolio optimization using heuristic simulation techniquesel
dc.typeMaster Thesisel
dc.contributor.departmentΣχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμηςel
dc.description.abstractENIn this MSc thesis we study the key elements that determine the composition of a portfolio and highlight the advantages of diversification. Employing analytical methods and models that offer closed-form solutions we determine the optimal composition of an investment portfolio, either by minimizing a specific portfolio risk or by maximizing its expected utility. In a modern approach of the problem, Sharpe indicators combine both of these approaches. We also present some classical optimization methods such as quadratic programming, and we extensively analyze a new class of metaheuristic algorithms, which can deliver very good solutions in relatively fast computational time, offering excellent performance. In the first section we discuss in detail the most popular models of contemporary portfolio theory such as the Markowitz Model, the Black Model and the Tobin Model. Our review stems from the perspective of constrained optimization, and with the assistance of methods such as Lagrange multipliers and the Karush-Kuhn-Tucker conditions, we are able to derive closed-form solutions for the determination of the optimal composition of a financial portfolio. However, in cases where either the number or the type of constraints makes it impossible to find an analytical solution, we present in the next section appropriate numerical methods for approximating the optimal solution. In the second section we review the mechanisms of well known optimization algorithms, as well as some recently proposed metaheuristic algorithms and more specifically, Particle Swarm Optimization, Ant Colony Optimization and Random Search (Simulated annealing, Tabu search). In the third section, which consists of the main subject of our thesis, we present in detail an important class of metaheuristic algorithms, the so-called Genetic Algorithms. By employing the R programming language environment, their mechanisms and performance with respect to their parameters are numerically studied through specific examples, by presenting illustrating tables and graphs. Finally, in the fourth section, the genetic algorithms are applied to a specific case study related to the determination of the optimal composition of an investment portfolio based on historical values of returns on various investment securities.el
dc.contributor.masterΕφαρμοσμένη Στατιστικήel
dc.subject.keywordΒελτιστοποίηση χαρτοφυλακίουel
dc.subject.keywordPortfolio optimizationel
dc.subject.keywordGenetic algorithmsel
dc.subject.keywordΓενετικοί αλγόριθμοιel
dc.subject.keywordΜεταευρετικοί αλγόριθμοιel
dc.subject.keywordMetaheuristicsel
dc.date.defense2019-11-19


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές
Except where otherwise noted, this item's license is described as
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές

Βιβλιοθήκη Πανεπιστημίου Πειραιώς
Contact Us
Send Feedback
Created by ELiDOC
Η δημιουργία κι ο εμπλουτισμός του Ιδρυματικού Αποθετηρίου "Διώνη", έγιναν στο πλαίσιο του Έργου «Υπηρεσία Ιδρυματικού Αποθετηρίου και Ψηφιακής Βιβλιοθήκης» της πράξης «Ψηφιακές υπηρεσίες ανοιχτής πρόσβασης της βιβλιοθήκης του Πανεπιστημίου Πειραιώς»