Otimização multiobjetivo de portfolios utilizando algoritmos evolutivos

• Main Author: Quinzani, Cecilia Morais
• Other Authors: UNIVERSIDADE ESTADUAL DE CAMPINAS
• Format: Others
• Language: Portuguese
• Published: [s.n.] 2010
• Subjects: Otimização matemática; Algoritmos evolutivos; Inteligência artificial; Pesquisa operacional; Risco (Economia); Mathematical optimization; Evolutionary algorithms; Artificial intelligence; Operational research; Risk economic
• Online Access: QUINZANI, Cecilia Morais. Otimização multiobjetivo de portfolios utilizando algoritmos evolutivos. 2010. 43 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/259756>. Acesso em: 15 ago. 2018.; http://repositorio.unicamp.br/jspui/handle/REPOSIP/259756

Orientadores: Raul Vinhas Ribeiro, Antonio Carlos Moretti === Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação === Made available in DSpace on 2018-08-15T22:13:26Z (GMT). No. of bitstreams: 1 Quinzani_CeciliaMorais_M.pdf: 890601 bytes, checksum: 304bbc7988e7df635b107fc3346436b3 (MD5) Previous issue date: 2010 === Resumo: O desenvolvimento das áreas tradicionais da engenharia tem sido caracterizado pelo crescente emprego de modelos de otimização como paradigmas para problemas de tomada de decisão. Quando estes modelos possuem mais de um objetivo são chamados de Problemas de Otimização Multiobjetivo (POM) e uma alternativa apropriada na resolução deste tipo de problema é a utilização de Algoritmos Evolutivos. Os Algoritmos Evolutivos (AE) simulam o processo de evolução natural. Simplificadamente, o conjunto de soluções candidatas (população) sobre o qual operam as metodologias é modificado utilizando dois princípios básicos de evolução: seleção e variação. O objetivo principal desta dissertação consiste na análise da aplicação de Algoritmos Evolutivos na otimização multiobjetivo de portfólios onde o importante é obter uma correlação ótima entre retorno e risco. Diversos algoritmos evolutivos foram analisados na dissertação, sendo também analisadas versões híbridas dos mesmos. A principal contribuição da dissertação é a proposta de um procedimento de refinamento das soluções que se baseia no comportamento da série histórica para gerar uma população inicial mais adequada. Uma comparação do desempenho dos diferentes algoritmos híbridos com e sem este refinamento da solução foi realizada e o algoritmo com melhor desempenho foi identificado === Abstract: The development of traditional areas of engineering has been characterized by the increasing use of optimization models as paradigms for decision making problems. when these models have more than one objective, they are called multi-objective optimiation problems (POMs), and are a suitable alternative in solving this kind of problem is the usage of Evolutionary Algorithms (EAs). The EAs simulate the process of natural evolution. Briefly, the set of candidate solutions (population) in which the methodologies operate is modified using two basic principles of evolution: selection and variation. The main objective of this dissertation is to review the application of Evolutionary Algorithms in Multiobjective optimization of portfolios in which it is important to obtain an optimal correlation between return and risk . Several evolutionary algorithms have been analyzed in the dissertation, and also analyzed hybrid versions of the same. The main contribution of the dissertation is to propose a procedure for the refinement of solutions based on the behavior of the series to generate a better initial population. A comparison of the performance of different algorithms hybrids with and without this refinement of the solution was performed and the algorithm with best performance was identified === Mestrado === Automação === Mestre em Engenharia Elétrica