A comprehensive review of deterministic models and applications for mean-variance portfolio optimization

Kalaycı, Can Berk; Ertenlice, Okkes; Akbay, Mehmet Anıl

doi:10.1016/j.eswa.2019.02.011

Cited by 131 publications

(81 citation statements)

References 142 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…In the subset of nature‐based optimization algorithms, population‐based algorithms move with a set of solutions in the solution space in each iteration 84 . Thus, on the contrary of single‐solution‐based algorithms, there is a natural advantage of diversification in population‐based algorithms which can be classified into two groups: evolutionary algorithms (EAs) and swarm‐based algorithms 85 …”

Section: Soft Computing Methodsmentioning

confidence: 99%

See 1 more Smart Citation

Soft computing methods for fatigue life estimation: A review of the current state and future trends

Kalaycı

Karagöz

Karakaş

2020

Fatigue Fract Eng Mat Struct

Self Cite

View full text Add to dashboard Cite

Fatigue causes cracking or breakage in a material due to repeated loads; it causes the material to become unusable. Therefore, knowing the fatigue life of materials is crucial for the implementation of designs, economy and human life. Soft computing methodologies, a subset of artificial intelligence emerging to simulate human intelligence, deal with approximate models and seek solutions to complex real-life problems relying on both computational power of machines and the high accuracy of the algorithms. In this study, soft computing methods adapted for estimating/predicting the fatigue life of engineering structures and materials are investigated. For this purpose, 95 articles published between 1995 and 2020 have been examined in detail. With this review, it is aimed to reveal the efficiency of soft computing methods and contribute to their development. Recommendations have been made to draw attention to these methodologies which are expected to be used in many areas in the future.

show abstract

Section: Soft Computing Methodsmentioning

confidence: 99%

“…84 Thus, on the contrary of single-solution-based algorithms, there is a natural advantage of diversification in population-based algorithms which can be classified into two groups: evolutionary algorithms (EAs) and swarm-based algorithms. 85…”

Section: Population-based Algorithmsmentioning

confidence: 99%

Soft computing methods for fatigue life estimation: A review of the current state and future trends

Kalaycı

Karagöz

Karakaş

2020

Fatigue Fract Eng Mat Struct

Self Cite

View full text Add to dashboard Cite

show abstract

“…The problem of optimization of the securities portfolio in the absence of their mutual influence and minimizing the risk is as follows [23]:…”

Section: Results Of Solving Optimization Problems Using Iterative mentioning

confidence: 99%

Development of iterative algorithms for solving the inverse problem using inverse calculations

Gribanova

2020

EEJET

View full text Add to dashboard Cite

Запропоновано ітераційні алгоритми розв'язання зворотної задачі, представленої у вигляді задачі квадратичного програмування, розроблені шляхом модифікації алгоритмів, заснованих на механізмі зворотних обчислень. Ітераційні алгоритми полягають у послідовній зміні значень аргументів за допомогою ітераційних формул до досягнення функцією величини, найбільш відповідної обмеженню. При цьому розглянуто два варіанти вирішення задачі: шляхом визначення найкоротшої відстані до лінії заданого рівня, що визначається обмеженням, і шляхом руху вздовж градієнта. Даний підхід також був адаптований для вирішення оптимізаційних завдань нелінійного програмування більш загального вигляду. Розглянуто вирішення чотирьох завдань: формування випуску продукції та складських витрат, оптимізація портфеля цінних паперів та складських витрат при заданому обсязі закупівель. Показано, що одержувані при використанні ітераційний алгоритмів рішення узгоджуються з результатом використання класичних методів (множників Лагранжа, штрафів), стандартної функції математичного пакету MathCad. При цьому найбільша ступінь відповідності була отримана за допомогою методу на основі побудови лінії рівня, метод на основі руху вздовж градієнта є більш універсальним. Перевагою алгоритмів є більш проста комп'ютерна реалізація ітераційних формул, можливість отримати рішення за менший час в порівнянні з відомими методами (наприклад, методом штрафів, що вимагає багаторазової оптимізації модифікованої функції зі зміною штрафного параметра). Алгоритми можуть бути також використані для вирішення інших завдань нелінійного програмування представленого виду. Стаття може бути корисна для фахівців, які здійснюють вирішення завдань в області економіки, а також розробку програмних систем підтримки прийняття рішень Ключові слова: зворотні обчислення, оптимізація функції, нелінійне програмування, градієнтний метод, зворотна задача

show abstract

“…Furthermore, some realistic constraints have been taken into account as well. Kalayci et al [48] summarized various kinds of improved MV methods based on multiple targets and constraints, and clarified the feasibility of different constraints (transaction, turnover, roundlot, etc.) in practical applications.…”

Section: Introductionmentioning

confidence: 99%

An Improved MV Method for Stock Allocation Based on the State-Space Measure of Cognitive Bias with a Hybrid Algorithm

Wang

et al. 2020

Symmetry

View full text Add to dashboard Cite

In classical finance theory, cognitive bias does not play any role in predicting returns. With the development of the economy, the classical theory gradually finds it difficult to offset the irrational demand through arbitrage. Due to the rise of behavioral economics, how to allocate stock portfolios in the highly subjective environment is an unavoidable problem. Considering the decision heterogeneity between the rational market and the irrational one, the mean-variance (MV) method was improved in the construction of a market bias index for stock portfolio allocation, which we called EMACB (exponential moving average of cognitive bias)-variance method. Besides, due to the lack of related research, we introduced a measure of aggregate investor cognitive bias by adopting the state-space model. Finally, the proposed method was applied in an investment allocation example to prove its feasibility, and its advantages were emphasized by a comparison with another relevant approach.

show abstract

A comprehensive review of deterministic models and applications for mean-variance portfolio optimization

Cited by 131 publications

References 142 publications

Soft computing methods for fatigue life estimation: A review of the current state and future trends

Soft computing methods for fatigue life estimation: A review of the current state and future trends

Development of iterative algorithms for solving the inverse problem using inverse calculations

An Improved MV Method for Stock Allocation Based on the State-Space Measure of Cognitive Bias with a Hybrid Algorithm

Contact Info

Product

Resources

About