Investicioni portfolio zasnovan na probabilističkoj višekriterijumskoj optimizaciji i uniformnom dizajnu za eksperimente sa varijacijama

Ključne reči: problem investicionog portfolija, višekriterijumska optimizacija, poželjna verovatnoća, diskretno uzorkovanje, teorija verovatnoće

Sažetak


Uvod/cilj: Formulisan je novi pristup rešavanju problema investicionog portfolija pomoću istovremenog optimizovanja maksimizacije stope prinosa i minimizacije varijanse stope prinosa. Procesiranje se izvodi kombinacijom višekriterijumske optimizacije zasnovane na verovatnoći sa uniformnim dizajnom za eksperimente sa varijacijama.

Metode: Višekriterijumska optimizacija zasnovana na verovatnoći prevashodno se koristi da se dvokriterijumski  problem istovremenog optimizovanja maksimizacije stope prinosa i minimizacije varijanse stope prinosa  sintetiše u jednokriterijumski problem ukupne poželjne verovatnoće svakog alternativnog scenarija. Ukupna poželjna verovatnoća je proizvod svih parcijalnih poželjnih verovatnoća korisnosti svake performanse. Dakle, metod uniformnog dizajna za eksperimente sa varijacijama koristi se za kreiranje skupa efektivnih tačaka uzorkovanja za problem investicionog portfolija kako bi se postigla diskretizacija u procesiranju podataka i pojednostavio postupak u kojem proporcija xi sledi uslov ograničenja xl + x2 + x3...+ xs = 1 sa ukupnim brojem varijabli s za xi.

Rezultati: Novi pristup koristi se za rešavanje problema investicionog portfolija koji, u suštini, predstavlja istovremeno optimizovanje maksimizacije stope prinosa i minimizacije varijanse stope prinosa, što vodi do razumljivih posledica. Rezultati imaju kvalitet racionalnosti sa stanovišta teorije verovatnoće za istovremenu optimizaciju višestrukih ciljeva.

Zaključak: Ovaj metod prirodno odslikava suštinu problema investicionog portfolija i pruža nov način za njegovo rešavanje.

Reference

Fang, K.-T., Liu, M.-Q., Qin, H. & Zhou, Y.-D. 2018. Theory and Application of Uniform Experimental Designs. Singapore: Springer. Available at: https://doi.org/10.1007/978-981-13-2041-5.

Nisani, D. & Shelef, A. 2021. A statistical analysis of investor preferences for portfolio selection. Empirical Economics, 61, pp.1883-1915. Available at: https://doi.org/10.1007/s00181-020-01947-8.

Oberoi, S., Girach, M.B. & Chakrabarty, S.P. 2020. Can robust optimization offer improved portfolio performance? An empirical study of Indian market. Journal of Quantitative Economics, 18, pp.611-630. Available at: https://doi.org/10.1007/s40953-020-00205-z.

Sarmas, E., Xidonas, P. & Doukas, H. 2020. Multicriteria Portfolio Construction with Python. Cham, Switzerland: Springer. Available at: https://doi.org/10.1007/978-3-030-53743-2.

Wang, S. 2022. Securities Investment: Theory and Practice. Beijing, China: Science Press (in Chinese). ISBN: 9787030630469.

Yu, J., Zheng, M., Wang, Y. & Teng, H.  2022. An efficient approach for calculating a definite integral with about a dozen of sampling points. Vojnotehnički glasnik/Military Technical Courier, 70(2), pp.340-356. Available at: https://doi.org/10.5937/vojtehg70-36029.

Zheng, M., Teng, H., Yu, J., Cui, Y. & Wang Y. 2022a. Probability-Based Multi-objective Optimization for Material Selection. Singapore: Springer.  Available at: https://doi.org/10.1007/978-981-19-3351-6.

Zheng, M., Teng, H., Wang, Y. &  Yu, J. 2022b. Appropriate Algorithm for Assessment of Numerical Integration. In: 2022 International Joint Conference on Information and Communication Engineering (JCICE), Seoul, Republic of Korea, pp.18-22, May 20-22. Available at: https://doi.org/10.1109/JCICE56791.2022.00015.

Objavljeno
2023/06/08
Rubrika
Originalni naučni radovi