<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal title</title>
<title_fa>عنوان نشریه</title_fa>
<short_title>International Journal of Industrial Engineering &amp; Production Management</short_title>
<subject>Literature &amp; Humanities</subject>
<web_url>http://ijiepm.iust.ac.ir</web_url>
<journal_hbi_system_id>18</journal_hbi_system_id>
<journal_hbi_system_user>agent2</journal_hbi_system_user>
<journal_id_issn></journal_id_issn>
<journal_id_issn_online></journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi>doi</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science></journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1391</year>
	<month>11</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2013</year>
	<month>2</month>
	<day>1</day>
</pubdate>
<volume>23</volume>
<number>4</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>ارائه الگوریتم هوشمند ترکیبی بر پایه مدل فازی میانگین - واریانس- چولگی برای انتخاب پرتفولیو</title_fa>
	<title>A Hybrid Intelligent Algorithm for Portfolio Selection using Fuzzy Mean-Variance-Skewness</title>
	<subject_fa>کاربرد روشهای فازی و مدل های ابتکاری </subject_fa>
	<subject>Application of Fuzzy models</subject>
	<content_type_fa>پژوهشي</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>مهمترین مسئله مطرح برای سرمایه گذاران به خصوص در آغاز فعالیت اقتصادی، مسئله نحوه تخصیص سرمایه به یک یا چند گزینه مختلف سرمایه گذاری است تا ضمن داشتن حداکثر بازده، حداقل ریسک را متحمل شوند. این موضوع در ادبیات اقتصادی به عنوان مسئله انتخاب پرتفولیو مطرح است. این مقاله بر آن است که به ارائه روشی کارا به منظور پشتیبانی از فرد تصمیم گیرنده در انتخاب پرتفولیو مناسب جهت سرمایه گذاری بپردازد. در این مطالعه، انتخاب پرتفولیو مبنی بر مدل میانگین- واریانس- چولگی در نظر گرفته می شود که به منظور تطبیق هر چه بیشتر مدل با دنیای واقعی، بازده های سهام به صورت متغیرهای فازی فرض شده اند. در این مقاله به منظورحل مدل یک الگوریتم هوشمند ترکیبی جهت رسیدن به  جوابی بهینه / نزدیک به بهینه ارائه شده است. در روش ارائه شده، از الگوریتم ژنتیک به منظور جستجوی پرتفولیو و از شبکه عصبی مصنوعی آموزش داده شده با شبیه سازی فازی جهت تخمین بازده و ریسک پرتفولیو استفاده می شود. در این الگوریتم به جهت استفاده از شبکه عصبی مصنوعی در تخمین مقادیر، زمان محاسبات به طور قابل ملاحظه ای در مقایسه با استفاده مستقیم از شبیه سازی فازی کاهش یافته است. همچنین در انتها با ارائه چند مثال عددی کارایی الگوریتم پیشنهادی در مقایسه با چند الگوریتم ترکیبی دیگر سنجیده شده است</abstract_fa>
	<abstract>The most important problem for investors, at the beginning stages of their works, is the way of assigning their investment to one or more different investment alternatives in such a way that with the least possible risk the maximum return become obtainable. In the economic literature this is known as the problem of portfolio selection. This article tries to introduce an efficient way for supporting decision maker in the selection of appropriate portfolio for investment purposes. The portfolio is based upon the mean-variance-skewness with the return of portfio is considered to be fuzzy to match with the world reality more. This article proposes a hybrid intelligent algorithm for finding an optimial or new optimal solution of the problem. Here, authors use Genetic Algorithm to find the right portfolio with the help of neural network and fuzzy computer simulation knowledge. Due to the fact that trained neural network was used the computation time has reduced tremendously in comparison with the straight use of the fuzzy simulation. Authors have used two example problems to demonstrate the efficiency of the proposed algorithm in comparison with other hybrid algorithms from the literature.   

</abstract>
	<keyword_fa>انتخاب پرتفولیو    مدل فازی میانگین- واریانس- چولگی   شبیه سازی فازی    شبکه عصبی    الگوریتم ژنتیک  </keyword_fa>
	<keyword>Keywords: Portfolio Selection, Fuzzy Mean-Variance-Skewness, Fuzzy Simulation, Neural Network, and Genetic Algorithm</keyword>
	<start_page>447</start_page>
	<end_page>458</end_page>
	<web_url>http://ijiepm.iust.ac.ir/browse.php?a_code=A-10-284-8&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Yahia</first_name>
	<middle_name></middle_name>
	<last_name>Zare Mehrjerdi</last_name>
	<suffix></suffix>
	<first_name_fa>یحیی</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>زارع مهرجردی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>yazm2000@yahoo.com</email>
	<code>180031947532846004839</code>
	<orcid>180031947532846004839</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>Yazd University</affiliation>
	<affiliation_fa>دانشگاه یزد</affiliation_fa>
	 </author>


	<author>
	<first_name>Mohsen</first_name>
	<middle_name></middle_name>
	<last_name>Shahmohammadi</last_name>
	<suffix></suffix>
	<first_name_fa>محسن </first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>شاه محمدی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>yzare@yazduni.ac.ir</email>
	<code>180031947532846004840</code>
	<orcid>180031947532846004840</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


	<author>
	<first_name>Laila</first_name>
	<middle_name></middle_name>
	<last_name>emami Maibodi</last_name>
	<suffix></suffix>
	<first_name_fa>لیلا</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>امامی میبدی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>yzare@yazduni.ac</email>
	<code>180031947532846004841</code>
	<orcid>180031947532846004841</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
