دانلود کتاب A branch-and-bound algorithm for discrete multi-factor portfolio optimization model

ترجمه فارسی توضیحات (ترجمه ماشینی)

یک الگوریتم شاخه و کران برای مدل بهینه‌سازی پورتفولیو چند عاملی گسسته

در این مقاله، یک الگوریتم شاخه و کران جدید بر اساس آرامش دوگانه لاگرانژی و آرامش پیوسته برای مدل گسسته گسسته انتخاب سبد سهام با محدودیت چرخشی در بهینه‌سازی مالی پیشنهاد شده‌است. این مدل پورتفولیوی گسسته از مسائل برنامه نویسی اعداد صحیح درجه دوم است. ساختار تفکیک پذیر مدل با استفاده از آرامش لاگرانژی و جستجوی دوگانه بررسی شده است. نتایج محاسباتی نشان می‌دهد که این الگوریتم قادر به حل مسائل پرتفوی در دنیای واقعی با داده‌های بازار سهام ایالات متحده و مشکلات آزمایشی تولید شده به‌طور تصادفی با حداکثر 120 اوراق بهادار است.

A branch-and-bound algorithm for discrete multi-factor portfolio optimization model

In this paper, a new branch-and-bound algorithm based on the Lagrangian dual relaxation and continuous relaxation is proposed for discrete multi-factor portfolio selection model with roundlot restriction in financial optimization. This discrete portfolio model is of integer quadratic programming problems. The separable structure of the model is investigated by using Lagrangian relaxation and dual search. Computational results show that the algorithm is capable of solving real-world portfolio problems with data from US stock market and randomly generated test problems with up to 120 securities.