Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "portfel inwestycyjny" wg kryterium: Wszystkie pola


Wyświetlanie 1-2 z 2
Tytuł:
Niedeterministyczne metody optymalizacji portfela inwestycyjnego
Non-deterministic Methods in Portfolio Optimization
Autorzy:
Zatoń, Wojciech
Powiązania:
https://bibliotekanauki.pl/articles/905089.pdf
Data publikacji:
2005
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
portfel inwestycyjny
optymalizacja deterministyczna
optymalizacja stochastyczna
algorytmy ewolucyjne
Opis:
The aim of this paper is to point out the problems concerning portfolio optimization under uncertainty and/or including boolean-type constraints. Usefulness of stochastic optimization methods and/or evolutionary algorithms is emphasized in these cases. Theoretical considerations are supported by empirical results from the Polish stock market.
Celem artykułu jest zwrócenie uwagi na problemy optymalizacji portfela inwestycyjnego, podejmowanej w warunkach niepewności i/lub formułowania ograniczeń z użyciem warunków logicznych. Pokazano użyteczność metod optymalizacji stochastycznej i/lub algorytmów ewolucyjnych we wskazanych sytuacjach. Rozważania teoretyczne zilustrowano przykładami empirycznymi dotyczącymi polskiego rynku papierów wartościowych.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2005, 193
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Efficient Stock Portfolio Construction by Means of Clustering
Konstrukcja efektywnego portfela przy użyciu metod analizy skupień
Autorzy:
Korzeniewski, Jerzy
Powiązania:
https://bibliotekanauki.pl/articles/655560.pdf
Data publikacji:
2018
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
analiza skupień
portfel inwestycyjny
liczba skupień
wskaźnik Sharpa
investment portfolio construction
clustering
number of clusters
Sharpe index
Opis:
Stosując metody statystyczne do optymalizacji swoich decyzji inwestycyjnych, inwestorzy stają przed bardzo istotnym problemem skonstruowania dobrze zdywersyfikowanego portfela inwestycyjnego składającego się z niewielkiej liczby pozycji. Wśród wielu metod stosowanych do konstrukcji takiego portfela są metody wykorzystujące grupowanie wszystkich spółek w homogeniczne grupy spółek, po którym to etapie następuje wybieranie reprezentanta każdej grupy w celu utworzenia ostatecznej postaci portfela. Etap grupowania nie musi pokrywać się z przynależnością sektorową spółek. Grupowanie może być wykonywane za pomocą metod analizy skupień i w tym procesie bardzo istotne jest ustalanie właściwej liczby skupień. Celem niniejszego artykułu jest zaproponowanie nowej techniki konstrukcji portfela inwestycyjnego, odnoszącej się zarówno do ustalenia liczby pozycji w portfelu, jak również do wyboru reprezentantów skupień. Stosowane metody grupowania spółek to klasyczna metoda k‑średnich oraz algorytm PAM (Partitioning Around Medoids). Technika jest testowana na danych 85 największych spółek giełdowych z parkietu warszawskiego z lat 2011–2016. Wyniki są bardzo obiecujące w sensie możliwości opracowania algorytmu opartego na analizie skupień, który prawie nie wymagałby interwencji inwestora.
When investors start to use statistical methods to optimise their stock market investment decisions, one of fundamental problems is constructing a well‑diversified portfolio consisting of a moderate number of positions. Among a multitude of methods applied to the task, there is a group based on dividing all companies into a couple of homogeneous groups followed by picking out a representative from each group to create the final portfolio. The division stage does not have to coincide with the sector affiliation of companies. When the division is performed by means of clustering of companies, a vital part of the process is to establish a good number of clusters. The aim of this article is to present a novel technique of portfolio construction based on establishing a numer of portfolio positions as well as choosing cluster representatives. The grouping methods used in the clustering process are the classical k‑means and the PAM (Partitioning Around Medoids) algorithm. The technique is tested on data concerning the 85 biggest companies from the Warsaw Stock Exchange for the years 2011–2016. The results are satisfactory with respect to the overall possibility of creating a clustering‑based algorithm requiring almost no intervention on the part of the investor.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2018, 1, 333
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies