Multi-period portfolio selection problem under uncertain environment with bankruptcy constraint

پیچیدگی بازارهای مالی منجر به انواع مختلف بازده های نامشهود دارایی می شود. برای مثال، بازده دارایی به عنوان متغیرهای تصادفی در نظر گرفته می شود، زمانی که داده های موجود کافی است. هنگامی که داده های موجود بیش از حد کوچک و یا حتی داده های موجود برای برآورد توزیع احتمال وجود ندارد، ما باید برخی از متخصصین دامنه را به ارزیابی اعتقاد درجه بازده دارایی دعوت کنیم. سپس بازده دارایی را می توان به عنوان متغیر نامشخص توصیف کرد. در این مقاله، ما در مورد مسئله انتخاب پرونده چند دوره ای در محیط نامشخص بحث می کنیم که ثروت نهایی را به حداکثر می رساند و خطر سرمایه گذاری را به حداقل می رساند. بر خلاف روش معمول برای توصیف پرونده انتخاب پرونده چند دوره ای به عنوان یک مدل بهینه سازی دوبعدی، ما این مشکل انتخاب چند بعدی انتخاب نمونه کارها را با یک روش جدید در سه مرحله با دو مدل بهینه سازی یک هدف اختصاص دادیم. و ما تاثیر هزینه معامله و ورشکستگی سرمایه گذار را در نظر می گیریم. سپس، مدل های بهینه سازی نامطلوب پیشنهاد شده به مدل های بهینه سازی دقیق تری تبدیل می شوند و از الگوریتم ژنتیک همراه با روش تابع مجاز برای حل آنها استفاده می شود. در نهایت، یک مثال عددی برای نشان دادن اثربخشی و عملی بودن مدل و روش پیشنهادی ارائه شده است.