21437

21437

بهينه سازي سبد شركت هاي نوپا در صنعت سرمايه گذاري خطرپذير مبتني بر مدل سازي عامل محور

دكتري

صنايع

1393

1398/08/28

دكتر مرتضي باقرپور

دكتر ميرسامان پيشوايي - دكتر سيامك نوري

صنايع

افزايش توان رقابتي كشورها در عرصة بين¬المللي تنها از راه نوآوري ممكن است و مؤلفة مالي از مهم¬ترين اركان سيستم ملي نوآوري است. بنابراين وجود سرمايه¬گذاري خطرپذير براي توسعه موسسات دانش¬بنيان حياتي است. نحوه انتخاب شركت¬هاي نوپا و اتحاد سرمايه¬گذاران از اهم چالش¬هاي اين صنعت است. لذا همواره نياز به روش-هاي يكپارچه بر اساس تكنيك¬هاي پيچيده تحليل كمي احساس مي¬شود. در پژوهش حاضر تلاش شده است تا بهينه¬سازي سبد شركت¬هاي نوپا به محيط واقعي نزديك¬تر شده و ترجيحات شركت نوپا همانند شركت¬هاي سرمايه¬گذاري خطرپذير به عنوان تصميم¬گيرنده در نظر گرفته شود و نشان مي¬دهد كدامين سرمايه¬گذارها در كدامين شركت¬هاي نوپا با يكديگر مشاركت نموده و سهم هر يك چقدر باشد. با لحاظ نمودن پيچيدگي مسئله، نزديك¬ترين مدل به محيط واقعي، مدل عامل¬محور است. با اتخاذ چهار موتور محاسباتي مستقل مبتني بر شبكه عصبي مصنوعي، سيستم استنتاج تطبيقي فازي-عصبي، سيستم استنتاج فازي تنظيم شده با الگوريتم بهينه¬سازي ازدحام ذرات و سيستم استنتاج تطبيقي فازي-عصبي تنظيم شده با الگوريتم بهينه¬سازي ازدحام ذرات محاسبات و مقايسات لازم صورت گرفته است. در جهت بهينه¬سازي، از روش فراابتكاري جستجوي هارموني اصلاح شده براي شناسايي سبد سرمايه¬گذاري نزديك به بهينه استفاده شده است. از سوي ديگر براي انجام مقايسه روش هوش مصنوعي توسعه داده شده با روش دقيق، مدل برنامه¬ريزي رياضي توسعه يافته با لحاظ نمودن محدوديت كارديناليتي توسعه داده شد و دو مدل ارائه شده در اين رساله در 16 مثال مسئله با ابعاد متفاوت مورد بررسي قرار گرفت كه ضمن اينكه مدل برنامه¬ريزي رياضي در ابعاد بالا قادر به ارائه جواب دقيق نبوده است، نشان از كارايي مدل هوش مصنوعي در ارائه جواب نزديك بهينه در ابعاد مختلف مسئله را دارد. موردكاوي صنعتي در اين رساله صورت گرفته است. در مرحله اول تلاش شده است براي ايجاد پايگاه داده از تعاملات پيشين از بازيگران صنعت سرمايه¬گذاري خطرپذير ايران طي يك پرسشنامه منطبق بر مشخصات عامل-ها در مدل عامل¬محور اطلاعات جمع¬آوري گردد. سپس براي دو شركت سرمايه¬گذاري خطر پذير در صنعت فنآوري اطلاعات و بازي و سرگرمي مدل توسعه يافته اجرا گرديد تا بين 10 شركت نوپا بهترين را برگزيده و نحوه مشاركت اين دو شركت در مورد هر يك از موارد سرمايه¬گذاري تعيين گردد.

1398/09/25

Start up Portfolio Optimization in Venture Capital Industry through Agent-Based Modeling

11/18/2020 12:00:00 AM

Increasing the competitiveness of countries in the world can be reached only through innovation and the financial aspect is the most important pillar of national innovation system. Hence, the role of venture capital in developing knowledge-based institutions is vital. However, startup portfolio selection and venture capital firms’ syndication have always been critical challenges in VC industry. So, the need for integrated methods based on sophisticated quantitative techniques are always being felt. In this research, the simulation of startup portfolio optimization is much more similar to real world and the preferences of startups as decision-makers and the interaction between investees and investors are considered. the results could shed light on which investors regarding their attributes and the startup's attributes should syndicate together and how much is their shares. Concerning the complexity of the problem, the best-known model to simulate the problem is an agent-based modeling. By applying four different computational engine based on ANN, ANFIS, FIS tuned by PSO and ANFIS tuned by PSO, the last proposed engine is identified as the most efficient one. Also by using modified HS, the optimization procedure is proceeded which its parameters have been tunned by respose surface methodology. To compare the Artificial Intelligence Methododology with an excat method, a mixed integer mathematical programming with cardinality constraint is developed. The proposed solution methods is applied in 16 various samples and five times is executed independently. Regarding analysis, the proposed agent based model rather than exact method shows its potential and efficiency in venture capital portfolio selection. Regarding the assumptions of problem and agent’s attributes in venture capital, the investors’ portfolios and their syndication are optimized in order to lessen risk and increase return on investment.