The Application of Genetic Algorithms for the Selection of WSE Companies in Warsaw for an Investment Portfolio

• Autorzy: Beata Basiura , Joanna Motyczyńska
• Języki publikacji: EN

Abstrakty

EN

Portfolio analysis is a tool particularly intended for investors. Risk assessment and risk specification make the investor able to properly diversify and offset the portfolio. Broadly speaking, there are multiple tools destined for building up an efficient set of portfolios. One of them is Markowitz's model theory postulating building up a portfolio determined on the basis of equilibrium between expected profit level as well as accepted level of risk assessment. In the context of this paper, the objective is to shed some light on creating investment portfolios based on either Markowitz's portfolio theory or evolutionary algorithm. The simulation based methods for building up a portfolio of approximately 40-50 companies listed out in the primary marketof the Warsaw Stock Exchange using the selection function proposed in the BA thesis were presented. Portfolio profit values have been evaluated in a dynamically shifted time window. The conducted analysis showed shifts in the economy at certain periods of time. The implemented genetic algorithms smoothly handled the optimization with a relatively short processing time of the task result. (original abstract)

Słowa kluczowe

EN

Genetic algorithms; Investment portfolio; Risk spreading

PL

Algorytmy genetyczne; Portfel inwestycyjny; Dywersyfikacja ryzyka

• Czasopismo: Decision Making in Manufacturing and Services
• Rocznik: 2020
• Tom: 14
• Numer: nr 1
• Strony: 91--126

Twórcy

autor

Beata Basiura

• AGH University of Science and Technology Kraków, Poland

autor

Joanna Motyczyńska

Bibliografia

• Czekała, M., 1997. Rynek kapitałowy. Analiza fundamentalna i techniczna. Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu, Wrocław.
• Dorostkar-Ahmadi, N., Shafiei Nikabadi, M., 2018. A nonlinear multi objective model for the product portfolio optimization: An integer programming. International Journal of Nonlinear Analysis and Applications, 9(2), 231-239, doi: https://doi.org/10.22075/ijnaa.2018.13447.1695.
• Fabozzi, F.J., Gupta, F., Markowitz, H.M., 2002. The Legacy of Modern Portfolio Theory. The Journal of Investing Fall, 11(3), pp. 7-22.
• Fama, E.F., 1970. Efficient Capital Markets: A Review of Theory and Empirical Work. The Journal of Finance, 25(2), pp. 383-417.
• Figielska, E., 2006. Algorytmy ewolucyjne i ich zastosowania. Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki, 1, pp. 81-92.
• Goldberg, D.E., 1989. Genetic Algorithms in Search. Optimization and Machine Learning. Addison-Wesley Longman Publishing Co. Inc., Boston., MA.
• Goldberg, D.E., Sastry, K., 2001. A practical schema theorem for genetic algorithm design and tuning. In: Proceedings of the Genetic and Evolutionary Computation Conference, pp. 328-335.
• Graham, B., 2006. Inteligentny inwestor. Studio EMKA, Warszawa.
• Gwiazda, T., 1998. Algorytmy genetyczne - zastosowania w finansach. Wydawnictwo Wyższej Szkoły Przedsiębiorczości i Zarzadzania im. L. Koźmińskiego, Warszawa.
• Haugen R.A., Modern Investment Theory (fifth edition), Prentice Hall, Pearson 2000.
• Jajuga, K., Jajuga, T., 2006. Inwestycje. Instrumenty finansowe, aktywa niefinansowe, ryzyko finansowe, inżynieria finansowa. PWN, Warszawa.
• Janikow, C.Z., Machalewicz, Z., 1991. An Experimental Comparison of Binary and Floating Point Representation in Genetic Algorithms. Computer Science. ICGA., url: http://umsl.edu/divisions/artscience/math_cs/about/People/Faculty/CezaryJanikow/folder two/Experimental.pdf [access date: 15.02.2020].
• Jasiński, G., 2008. Ewolucyjna optymalizacja w nowoczesnej teorii portfelowej. Scientific Bulletin of Chełm. Section of Mathematics and Computer Science, 1, pp. 113-122.
• Jiao, J., Zhang, Y., Wang, Y., 2007. Heuristic genetic algorithm for product portfolio planning. Computers & Operations Research, 34, pp. 1777-1799, doi: https://doi.org/10.1016/j.cor.2005.05.033.
• Kachniewski, M., 2008. Rynek kapitałowy i giełda papierów wartościowych. Fundacja Edukacji i Rynku Kapitałowego, Warszawa.
• Krzywda, M., 2010. GPW I - Giełda Papierów Wartościowych w praktyce. Złote Myśli, Gliwice, https://www.cdmpekao.com.pl/edukacja/wszystko-o-analizach-gieldowych.
• Markowitz, H.M., 1952. Portfolio Selection, The Journal of Finance, 7(1), s. 77-91, doi: https://doi.org/10.2307/2975974, JSTOR: 2975974.
• Markowitz, H.M., 1959. Portfolio selection: Efficient Diversification of Investments. Yale University Press, New Haven.
• Michalewicz, Z., 2003. Algorytm genetyczny + struktury danych = programy ewolucyjne. Wydawnictwo Naukowo-Techniczne, Warszawa.
• Morajda, J., 1999. Metody sztucznej inteligencji w zarzadzaniu portfelem inwestycyjnym. Akademia Ekonomiczna, Kraków [praca doktorska].
• Motyczyńska, J., 2019. Analiza ryzyka w portfelach akcji wybranych spółek na Warszawskiej Giełdzie Papierów Wartościowych. AGH, Kraków [praca licencjacka].
• Orito, Y., Yamazaki, G., 2001. Index fund portfolio selection by using GA. Proceedings of the Fourth International Conference on Computational Intelligence and Multimedia Applications (ICCIMA), pp. 118-122, doi: https://doi.org/10.1109/ICCIMA.2001.970454.
• Ostrowska, E., 2011. Portfel inwestycyjny klasyczny i alternatywny. C.H. Beck, Warszawa.
• Sawik, B. 2009. A Reference Point Approach to Bi-Objective Dynamic Portfolio Optimization. Decision Making in Manufacturing and Services, 3(2), pp. 73-85, doi: https://doi.org/10.7494/dmms.2009.3.2.73.
• Sawik, B., 2010. A Bi-Objective Portfolio Optimization with Conditional Value-at-Risk. Decision Making in Manufacturing and Services, 4(2), pp. 47-69, doi: https://doi.org/10.7494/dmms.2010.4.2.47.
• Sawik, B., 2012. Downside Risk Approach for Multi-Objective Portfolio Optimization. In: Klatte, D., Lüthi, H.J., Schmedders, K. (eds.), Operations Research Proceedings 2011. (GOR (Gesellschaft für Operations Research e.V.)). Springer, Berlin, Heidelberg, https: //doi.org/10.1007/978-3-642-29210-1_31.
• Sharpe, W.F., 1992. Asset Allocation: Management Style and Performance Measurement. The Journal of Portfolio Management, 18, pp. 7-19.
• Talebi, A., Molaei, M., Sheikh, M. 2010. Performance Investigation and Comparison of Two Evolutionary Algorithms in Portfolio Optimization: Genetic and Particle Swarm Optimization. In: Proceedings - 2010 2nd IEEE International Conference on Information and Financial Engineering, ICIFE 2010, pp. 430-437, doi: https://doi.org.10.1109/ICIFE.2010.5609394.
• Tarczyński, W., 1996. Analiza portfelowa na giełdzie papierów wartościowych. PTE, Szczecin.
• Tarczyński, W., 2001. Rynki kapitałowe. Metody ilościowe. Placet, Warszawa.
• Tarczyński, W., 2002. Fundamentalny portfel papierów wartościowych. PWE, Warszawa.
• Tarczyński, W., 2014. Ocena różnych wariantów fundamentalnego portfela papierów wartościowych. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, 371, pp. 298-309. In: Jajuga, K., Ronka-Chmielowiec W. (Eds.), Inwestycje finansowe i ubezpieczenia - tendencje światowe a rynek polski, Wrocław.
• Tarczyński, W., Łuniewska, M., 2004. Dywersyfikacja ryzyka na polskim rynku kapitałowym. Placet, Warszawa.
• R Core Team, 2019. R: A language and environment for statistical computing. R Foundation for Statistical Computing. Vienna. Austria, url: https://www.R-project.org/.
• RStudio Team, 2019. RStudio: Integrated Development for R. RStudio, Inc., Boston, MA, url: http://www.rstudio.com/.

Identyfikatory

DOI

10.7494/dmms.2020.14.1.3809