Dwukryterialna, rozmyta optymalizacja portfela papierów wartościowych z zastosowaniem trzech metod agregacji kryteriów lokalnych

• Autorzy: Jończyk M.
• Języki publikacji: PL

Abstrakty

PL

Omówiono zagadnienie optymalizacji portfela akcji w warunkach niepewności rozmytej. Przedstawiony problem został sformułowany jako zagadnienie nieliniowego, rozmytego, dwukryterialnego programowania, przy czym zastosowane zostały trzy najpopularniejsze metody agregacji kryteriów lokalnych. Opisana metoda oparta jest na zagadnieniach dotyczących problemu porównywania liczb przedziałowych i rozmyto-przedziałowych. Proponowana metoda dwukryterialna może być w pewnym sensie rozpatrywana jako uogólnienie istniejących metod jednokryterialnych, co została zilustrowane konkretnym przykładem. W celu rozwiązania problemu opracowano metodę opartą na agregowaniu lokalnych kryteriów maksymalizacji rentowności portfela i minimalizacji ryzyka. Jak pokazano, tak sformułowany problem dostarczył rozwiązań, które uogólniają, jako wyniki szczegółowe, rezultaty uzyskane przy użyciu najczęściej wykorzystywanych podejść jednokryterialnych.

Słowa kluczowe

PL

selekcja portfela; programowanie rozmyte nieliniowe; zagadnienie optymalizacji dwukryterialnej; porównywanie przedziałów liczb rozmytych

• Wydawca: Wydawnictwo Politechniki Częstochowskiej
• Czasopismo: Informatyka Teoretyczna i Stosowana
• Rocznik: 2003
• Tom: R. 3, nr 5
• Strony: 55--68
• Opis fizyczny: Bibliogr. 20 poz., 4 rys., 3 tab.

Twórcy

autor

Jończyk M.

• Instytut Informatyki Teoretycznej i Stosowanej, Politechnika Częstochowska ul. Dąbrowskiego 73,42-200 Częstochowa

Bibliografia

• [1] Endre Pap, Zita Bosnjak, Sasa Bosnjak, Application of fuzzy sets with diferent t-norms in the interpretation of portfolio matrices in strategic management, Fuzzy Sets and Systems 2000, 114, 123.
• [2] Hideo Tanaka, Peijun Guo, Burhan Turksen, Portfolio selection based on fuzzy probabilities and possibility distributions, Fuzzy Sets and Systems 2000, 111, 387.
• [3] Markowitz H.M., Portfolio Selection: Efcient Diversifcation of Investments, Wiley, New York 1959.
• [4] Masahiro Inuiguchi, Jaroslav Ramik, Possibilistic linear programming: a brief review of fuzzy mathematical programming and a comparison with stochastic programming in portfolio selection problem, Fuzzy Sets and Systems 2000, 111,3.
• [5] Masahiro Inuiguchi, Tetsuzo Tanino, Portfolio selection under independent possibilistic infor-mation, Fuzzy Sets and Systems 2000, 115, 83.
• [6] Zopounidis C., Multicriteria decision aid in financial management, European Journal of Opera-tional Research 1999, 119, 404-415.
• [7] Jacquillat B., Les modèles dÔévaluation et de sélection des valeurs mobilières: Panorama des recherches américaines, Analyse Financière 1972, 11, 4e trim. 68-88.
• [8] Colson G., Zeleny M., Uncertain prospects ranking and portfolio analysis under the condition of partial information, Mathematical Systems in Economics 44, Verlag Anton Hain, Maisenheim 1979.
• [9] Zeleny M., Multidimensional measure of risk: The prospect ranking vector, (in:) S. Zionts (ed.), Multiple Criteria Problem Solving, Springer, Heidelberg 1977, 529-548.
• [10] Zeleny M., Multiple Criteria Decision Making, McGraw-Hill, New York 1982.
• [11] Lorenzana T., Marquez N., Sarda S., An aproach to the problem of portfolio selection, Fuzzy Economic Review Number 1996, 1,1, May, 62-74.
• [12] Peijun Guo, Hideo Tanaka, Possibilistic data analysis and its aplication to portfolio selection problems, Fuzzy Economic Review 1998, 2, III, November, 1998 1-11.
• [13] Francesc J. Orti, Jose Saez, Antonio Terceno, On the treatment of uncertainty in portfolio selec-tion, Fuzzy Economic Review 2002, 2, VII, November, 22-31.
• [14] Kaufmann A., Gupta M., Introduction to fuzzy arithmetic-theory and applications, Van Nostrand Reinhold, New York 1985.
• [15] Fortemps, M. Roubens, Ranking and defuzzification methods based on area compensation, Fuzzy Sets and Systems 1996, 319-330.
• [16] Sewastianow P., Róg P., Karczewski K., A Probabilistic Method for Ordering Group of Inter-vals, Informatyka Teoretyczna i Stosowana/Computer Science 2002, 2, 2, 45-53.
• [17] Sewastianow P., Róg P., A Probability Approach to Fuzzy and Crisp Intervals Ordering, Task Quarterly 2003,7, 1, 147-156.
• [18] Linsmeier T.J., Pearson N.D., Risk measurement, an introduction to value at risk, University of Illinois, Champaign, IL, 1996.
• [19] Zadech L.A., Fuzzy sets, Inform, and Control 1965, 8, 338-353.
• [20] Sewastianiow P., Róg P., Fuzzy Optimization Using Direct Crisp and Fuzzy Interval Compa-rison, Institute of Math. & Comp. Sci., Technical University of Częstochowa, Częstochowa 73.