فایل ورد کامل مسائل مقایسه‌ای در محاسبات مرزی کارآمد میانگین-واریانس در مقیاس بزرگ

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل مسائل مقایسه‌ای در محاسبات مرزی کارآمد میانگین-واریانس در مقیاس بزرگ،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۵ صفحه

یکی از عملکردهای سیستم مدیریت پورتفولیو، بازگرداندن سریع یک مرز کارآمد است. با این حال در مسائل مقیاس بزرگ (۱۰۰۰ تا ۳۰۰۰ اوراق بهادار) که با فراوانی بیشتری ظاهر می‌شوند، عمل محاسبات مرز ضریب میانگین -واریانس زماین که تمامی محدودیت‌ها خطی هستند می‌تواند در طیف قابل توجه تا منع کننده باشد. برای سهولت ارجاع، ما مسائل میانگین-واریانس را با تمام مسائل مارکوویتز محدودیت خطی در نظر می‌گیریم. با تخصیص دادن زمان اندک برای محاسبه‌ی یک مرزکارآمد مسئله مارکوویتز در ادبیات موضوعی، آزمایشاتی انجام می‌دهیم که متشکل از مسائل و روش‌های اتخاذ شده با اندازه‌های متفاوت هستند و از بهینه‌سازها استفاده می‌شود تا تصویر کلی وضعیت ارائه شود و معیارها در مقیاس بزرگ ارائه شوند. یکی از نتایج آزمایشات، برتری رده‌ی روش‌هایی است که در حوزه‌ی برنامه‌ نویسی درجه دوم پارامتریک قرار می‌گیرند.

کلمات کلیدی: مرز کارآمد میانگین-واریانس | انتخاب پورتفولیو | بخش‌های هایپربولیک | روش محدودیت-e | برنامه‌ریزی درجه دوم پارامتریک

عنوان انگلیسی:

Comparative issues in large-scale mean–variance efficient frontier computation

~~en~~ writers :

Ralph E: Steuer a,, Yue Qi b, Markus Hirschberger c

One of the functions of a portfolio management system is to return quickly an efficient frontier. However, in
the large-scale problems (1000 to 3000 securities) that are beginning to appear with greater frequency, the
task of computing the mean–variance efficient frontier, even when all constraints are linear, can range from
the significant to the prohibitive. For ease of reference, we call mean–variance problems with all linear
constraints Markowitz problems. With little on the time to compute a Markowitz-problem efficient frontier in
the literature, we conduct experiments that involve varying problem sizes, methods employed, and
optimizers used to present an overall picture of the situation and establish benchmarks in the large-scale
arena. One of the conclusions of the experiments is the superiority of the class of techniques that would fall
under the title of parametric quadratic programming.

Keywords: Mean–variance efficient frontiers | Portfolio selection | Hyperbolic segments | e-Constraint method | Parametric quadratic programming

$$en!!