Методика применения роевого интеллекта при управлении формированием портфеля ценных бумаг

Бесплатный доступ

Рассматривается вопрос методики применения роевого алгоритма при поддержке принятия решений при управлении процессом формирования портфеля ценных бумаг. Оптимизация структуры портфеля ценных бумаг – одна из главных задач принятия решений в инвестиционной деятельности на фондовом рынке. Приводится сравнительный анализ роевых алгоритмов с точки зрения соответствия специфике решаемой задачи. Проведена калибровка параметров алгоритма роя частиц на основе результатов вычислительного эксперимента, которые исследовались исходя из критериев диверсифицируемости и доходности портфелей, скорости сходимости алгоритма.

Роевой интеллект, метод роя частиц, задача многокритериальной оптимизации, портфель ценных бумаг, портфельная оптимизация

Короткий адрес: https://readera.org/148322460

IDR: 148322460   |   DOI: 10.25586/RNU.V9187.21.03.P.070

Список литературы Методика применения роевого интеллекта при управлении формированием портфеля ценных бумаг

  • Ахмедова Ш.А. Коллективный самонастраивающийся метод оптимизации на основе бионических алгоритмов: дис. … канд. техн. наук: 05.13.01. Институт вычислительного моделирования СО РАН. Красноярск, 2016. C. 33–38.
  • Бронштейн Е.М., Кондратьева О.В. Управление портфелем ценных бумаг на основе комбинированных энтропийных мер риска // Известия РАН. Теория и системы управления. 2013. № 5. С. 172–176.
  • Дюличева Ю.Ю. Алгоритмы роевого интеллекта и их применение для анализа образовательных данных // Открытое образование. 2019. Т. 23, № 5. С. 33–43.
  • Курейчик В.В., Заруба Д.В., Запорожец Д.Ю. Алгоритм параметрической оптимизации а основе модели поведения роя светлячков // Известия ЮФУ. Технические науки. 2015. № 6 (167). С. 6–15.
  • Beni G., Wang J. (1989) Swarm Intelligence in Cellular Robotic Systems. Robots and biological systems: towards a new bionics? Proc. of the NATO Advanced Workshop, Toscana, Italy, pp. 703–712.
  • Dorigo M. (1992) Optimization, Learning and Natural Algorithms, PhD thesis, Politecnico di Milano, Italy, 1992.
  • Hassanzadeh T., Vojodi H., Moghadam A.M.E. (2001) An image segmentation approach based on maximum variance intra-cluster method and firefly algorithm. Proc. of 7th Int. Conf. on Natural Computation (ICNC), pp. 1817–1821.
  • Karaboga D. (2005) An idea based on honey bee swarm for numerical optimization. Technical Report TR06, Erciyes University, Engineering Faculty, Computer Engineering Department, 2005.
  • Kondrateva O.V. (2015) Application of indexed-entropic risk measures in decision support systems for security portfolio management. Proc. of the 3rd international conference on intelligent technologies for information processing and management, pp.159–162.
  • Lucic P., Teodorovic D. (2003) Computing with Bees: Attacking Complex Transportation Engineering Problems. International Journal on Artificial Intelligence Tools, no. 12, pp. 375–394.
  • Shi Y., Eberhart R. (1998) A modified particle swarm optimizer. Proc. of the IEEE International Conference on Evolutionary Computation Proceedings, pp. 69–73.
  • Woerheide W., Persson D. (1992) An index of portfolio diversification. Financial Services Review, vol. 2, is. 2, pp. 73–85.
  • Yang X.S. (2009) Firefly algorithms for multimodal optimization. Proc. of the 5th Symposium on Stochastic Algorithms, Foundations and Applications, pp. 169–178.
Еще
Статья научная