[en] SELECTION OF PORTFOLIOS OF OIL AND GAS PRODUCTION BY GENETIC ALGORITHMS
Autor(a) principal: | |
---|---|
Data de Publicação: | 2002 |
Tipo de documento: | Outros |
Idioma: | por |
Título da fonte: | Repositório Institucional da PUC-RIO (Projeto Maxwell) |
Texto Completo: | https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=3167@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=3167@2 http://doi.org/10.17771/PUCRio.acad.3167 |
Resumo: | [pt] Esta dissertação investiga um sistema de apoio à decisão baseado em Algoritmos Genéticos e Simulação Monte Carlo para a formação de carteiras de projetos de petróleo e gás. O objetivo do trabalho é avaliar o desempenho de Algoritmos Genéticos -AG- para selecionar projetos que formarão a carteira. A construção de carteiras de projetos é um problema de múltiplos objetivos, onde se deseja escolher um conjunto de projetos com perspectivas de lucro para formar uma carteira. O sistema emprega o Algoritmo Genético para formação de carteiras de projetos. Em seguida, a Simulação de Monte Carlo é utilizada para obter a função de distribuição do Valor Presente Líquido -VPL- da carteira baseado nas distribuições dos projetos escolhidos. Por último, avalia-se a carteira usando-se o método de minimização de energia que busca o equilibro dos três objetivos considerados. O problema consiste, basicamente, em maximizar a média do VPL, que representa o retorno esperado, minimizando-se o Desvio Padrão, que é a medida de risco, e maximizando-se o Percentil 90 -P90-, que significa a possibilidade de obter um maior lucro. Nos estudos de casos são apresentados os resultados da aplicação do sistema para diferentes grupos de projetos, constituídos por 16, 18, 20 e 26 projetos, onde cada um deles tem distribuições teóricas do VPL definidas por funções: F, Normal e Logarítmica, formadas por 500 dados. Os resultados obtidos mostram a eficiência do AG com a técnica de múltiplos objetivos, na utilização para a otimização de carteiras de projetos de investimento em petróleo e gás. |
id |
PUC_RIO-1_fbe77bc9dc183cf2dca9f8fe0aee7f65 |
---|---|
oai_identifier_str |
oai:MAXWELL.puc-rio.br:3167 |
network_acronym_str |
PUC_RIO-1 |
network_name_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository_id_str |
534 |
spelling |
[en] SELECTION OF PORTFOLIOS OF OIL AND GAS PRODUCTION BY GENETIC ALGORITHMS [pt] SELEÇÃO DE CARTEIRAS DE PROJETOS DE PRODUÇÃO DE PETRÓLEO E GÁS POR ALGORITMOS GENÉTICOS [pt] ALGORITMO GENETICO[pt] SELECAO DE PROJETOS[pt] CARTEIRAS DE PROJETOS[pt] MULTIPLOS OBJETIVOS[en] GENETIC ALGORITHM[en] PORTFOLIO SELECTION[en] PORTFOLIO[en] MULTIPLE OBJECTIVES[pt] Esta dissertação investiga um sistema de apoio à decisão baseado em Algoritmos Genéticos e Simulação Monte Carlo para a formação de carteiras de projetos de petróleo e gás. O objetivo do trabalho é avaliar o desempenho de Algoritmos Genéticos -AG- para selecionar projetos que formarão a carteira. A construção de carteiras de projetos é um problema de múltiplos objetivos, onde se deseja escolher um conjunto de projetos com perspectivas de lucro para formar uma carteira. O sistema emprega o Algoritmo Genético para formação de carteiras de projetos. Em seguida, a Simulação de Monte Carlo é utilizada para obter a função de distribuição do Valor Presente Líquido -VPL- da carteira baseado nas distribuições dos projetos escolhidos. Por último, avalia-se a carteira usando-se o método de minimização de energia que busca o equilibro dos três objetivos considerados. O problema consiste, basicamente, em maximizar a média do VPL, que representa o retorno esperado, minimizando-se o Desvio Padrão, que é a medida de risco, e maximizando-se o Percentil 90 -P90-, que significa a possibilidade de obter um maior lucro. Nos estudos de casos são apresentados os resultados da aplicação do sistema para diferentes grupos de projetos, constituídos por 16, 18, 20 e 26 projetos, onde cada um deles tem distribuições teóricas do VPL definidas por funções: F, Normal e Logarítmica, formadas por 500 dados. Os resultados obtidos mostram a eficiência do AG com a técnica de múltiplos objetivos, na utilização para a otimização de carteiras de projetos de investimento em petróleo e gás.[en] This thesis investigates a system of support to the decision based on Genetic Algorithms and Monte Carlo Simulation for the creation of portfolio projects of oil and gas. The objective of this work is to evaluate the performance of Genetic Algorithms -GA- to select projects that will form the portfolio. The portfolio construction of projects is a problem of objective multiples, where it is wishes to choose a set of projects with profit perspectives to form a portfolio. The system uses the Genetic Algorithm to create the portfolio formation of projects. After that, the Monte Carlo Simulation is used to get the function of distribution of the Net Present Value -NPV- of the portfolio based on the distributions of the chosen projects. Finally, the portfolio is evaluated portfolio by using itself the method of minimizes energy for the three considered objectives. The problem consists, basically, in maximizing the average of the NPV which represents the return expected, minimizing the Standard of Deviation, which is the measure of the risk, and maximizing the Percentile 90 -P90-, which means the possibility to get a bigger profit. In the study of cases, it is presented the results of the application of the system for different groups of projects, consisting in 16, 18, 20 and 26 projects, where each project has theoretical distributions of the NPV defined by functions: F, Normal and Logarithmic, formed for 500 data. The gotten results show the efficiency of the GA with the technique of objective multiples, in the use of the optimization of the portfolio projects oil and gas investment.MAXWELLMARCO AURELIO CAVALCANTI PACHECOMARCO AURELIO CAVALCANTI PACHECOMARCO AURELIO CAVALCANTI PACHECOKARIN YANET SUPO GAVANCHO2002-11-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/otherhttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=3167@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=3167@2http://doi.org/10.17771/PUCRio.acad.3167porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2018-06-18T00:00:00Zoai:MAXWELL.puc-rio.br:3167Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342018-06-18T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false |
dc.title.none.fl_str_mv |
[en] SELECTION OF PORTFOLIOS OF OIL AND GAS PRODUCTION BY GENETIC ALGORITHMS [pt] SELEÇÃO DE CARTEIRAS DE PROJETOS DE PRODUÇÃO DE PETRÓLEO E GÁS POR ALGORITMOS GENÉTICOS |
title |
[en] SELECTION OF PORTFOLIOS OF OIL AND GAS PRODUCTION BY GENETIC ALGORITHMS |
spellingShingle |
[en] SELECTION OF PORTFOLIOS OF OIL AND GAS PRODUCTION BY GENETIC ALGORITHMS KARIN YANET SUPO GAVANCHO [pt] ALGORITMO GENETICO [pt] SELECAO DE PROJETOS [pt] CARTEIRAS DE PROJETOS [pt] MULTIPLOS OBJETIVOS [en] GENETIC ALGORITHM [en] PORTFOLIO SELECTION [en] PORTFOLIO [en] MULTIPLE OBJECTIVES |
title_short |
[en] SELECTION OF PORTFOLIOS OF OIL AND GAS PRODUCTION BY GENETIC ALGORITHMS |
title_full |
[en] SELECTION OF PORTFOLIOS OF OIL AND GAS PRODUCTION BY GENETIC ALGORITHMS |
title_fullStr |
[en] SELECTION OF PORTFOLIOS OF OIL AND GAS PRODUCTION BY GENETIC ALGORITHMS |
title_full_unstemmed |
[en] SELECTION OF PORTFOLIOS OF OIL AND GAS PRODUCTION BY GENETIC ALGORITHMS |
title_sort |
[en] SELECTION OF PORTFOLIOS OF OIL AND GAS PRODUCTION BY GENETIC ALGORITHMS |
author |
KARIN YANET SUPO GAVANCHO |
author_facet |
KARIN YANET SUPO GAVANCHO |
author_role |
author |
dc.contributor.none.fl_str_mv |
MARCO AURELIO CAVALCANTI PACHECO MARCO AURELIO CAVALCANTI PACHECO MARCO AURELIO CAVALCANTI PACHECO |
dc.contributor.author.fl_str_mv |
KARIN YANET SUPO GAVANCHO |
dc.subject.por.fl_str_mv |
[pt] ALGORITMO GENETICO [pt] SELECAO DE PROJETOS [pt] CARTEIRAS DE PROJETOS [pt] MULTIPLOS OBJETIVOS [en] GENETIC ALGORITHM [en] PORTFOLIO SELECTION [en] PORTFOLIO [en] MULTIPLE OBJECTIVES |
topic |
[pt] ALGORITMO GENETICO [pt] SELECAO DE PROJETOS [pt] CARTEIRAS DE PROJETOS [pt] MULTIPLOS OBJETIVOS [en] GENETIC ALGORITHM [en] PORTFOLIO SELECTION [en] PORTFOLIO [en] MULTIPLE OBJECTIVES |
description |
[pt] Esta dissertação investiga um sistema de apoio à decisão baseado em Algoritmos Genéticos e Simulação Monte Carlo para a formação de carteiras de projetos de petróleo e gás. O objetivo do trabalho é avaliar o desempenho de Algoritmos Genéticos -AG- para selecionar projetos que formarão a carteira. A construção de carteiras de projetos é um problema de múltiplos objetivos, onde se deseja escolher um conjunto de projetos com perspectivas de lucro para formar uma carteira. O sistema emprega o Algoritmo Genético para formação de carteiras de projetos. Em seguida, a Simulação de Monte Carlo é utilizada para obter a função de distribuição do Valor Presente Líquido -VPL- da carteira baseado nas distribuições dos projetos escolhidos. Por último, avalia-se a carteira usando-se o método de minimização de energia que busca o equilibro dos três objetivos considerados. O problema consiste, basicamente, em maximizar a média do VPL, que representa o retorno esperado, minimizando-se o Desvio Padrão, que é a medida de risco, e maximizando-se o Percentil 90 -P90-, que significa a possibilidade de obter um maior lucro. Nos estudos de casos são apresentados os resultados da aplicação do sistema para diferentes grupos de projetos, constituídos por 16, 18, 20 e 26 projetos, onde cada um deles tem distribuições teóricas do VPL definidas por funções: F, Normal e Logarítmica, formadas por 500 dados. Os resultados obtidos mostram a eficiência do AG com a técnica de múltiplos objetivos, na utilização para a otimização de carteiras de projetos de investimento em petróleo e gás. |
publishDate |
2002 |
dc.date.none.fl_str_mv |
2002-11-27 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/other |
format |
other |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=3167@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=3167@2 http://doi.org/10.17771/PUCRio.acad.3167 |
url |
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=3167@1 https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=3167@2 http://doi.org/10.17771/PUCRio.acad.3167 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
MAXWELL |
publisher.none.fl_str_mv |
MAXWELL |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell) instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) instacron:PUC_RIO |
instname_str |
Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
instacron_str |
PUC_RIO |
institution |
PUC_RIO |
reponame_str |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
collection |
Repositório Institucional da PUC-RIO (Projeto Maxwell) |
repository.name.fl_str_mv |
Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) |
repository.mail.fl_str_mv |
|
_version_ |
1814822544635592704 |