haku: @keyword incomplete information / yhteensä: 11
viite: 4 / 11
| Tekijä: | Vilkkumaa, Eeva |
| Työn nimi: | Approaches to Group Decision Support in Robust Portfolio Modeling |
| Robustin portfoliomallinnuksen lähestymistapoja ryhmäpäätöksenteon tukeen | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2008 |
| Sivut: | 74 Kieli: eng |
| Koulu/Laitos/Osasto: | Matematiikan ja systeemianalyysin laitos |
| Oppiaine: | Sovellettu matematiikka (Mat-2) |
| Valvoja: | Salo, Ahti |
| Ohjaaja: | |
| OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
| Sijainti: | P1 Ark TF80 | Arkisto |
| Avainsanat: | group decision support incomplete information portfolio selection Robust Portfolio Modeling ryhmäpäätöksenteon tuki epätäydellinen informaatio portfoliovalinta robusti portfoliomallinnus |
| Tiivistelmä (fin): | Monikriteerisen päätösanalyysin menetelmät tarjoavat normatiivista tukea päätöksenteolle. Näistä robusti portfoliomallinnus (RPM) tukee parhaan mahdollisen projektien yhdistelmän eli portfolion valintaa rajoitetuilla resursseilla. RPM-menetelmien avulla voidaan tehokkaasti laskea ei-dominoituja portfolioita epätäydellisellä preferenssi-informaatiolla. Diplomityö laajentaa RPM:n ryhmäkontekstiin, jossa usean päätöksentekijän erilaiset ja mahdollisesti vastakkaiset edut tulee sovittaa yhteen kompromissin aikaan saamiseksi. Kuten yhden päätöksentekijän tapauksessa, informaatio voidaan antaa päätöksentekijöille sopivalla tarkkuudella, ja se hyödynnetään kokonaisuudessaan ilman keskiarvoistamista tai satunnaistamista Menetelmät sallivat epätäydellisyyden myös päätöksentekijöiden eritasoista päätösvaltaa kuvaavissa ryhmäpainoissa. Menetelmiä tarkastellaan yksilö- ja yhteisnäkökulmista. Yksilölähestymisessä ryhmän valintaa etsitään päätöksentekijöiden omien ei-dominoitujen portfoliojoukkojen avulla. Yhteislähestymistavassa päätöksentekijöiden preferenssi-informaatioista rakennetaan yhteinen malli. Lisäksi työssä esitellään päätössääntöjä ja niiden menetelmäkohtaisia muunnelmia päätössuositusten laatimiseksi. Havainnollistavaan koeaineistoon sovellettuna menetelmät vaikuttavat laskennallisesti tehokkailta ja tarjoavat robusteja päätössuosituksia. Kuten yhden päätöksentekijän tapauksessa, RPM:n ryhmämenetelmät ovat läpinäkyviä eivätkä välttämättä vaadi päätöksentekijöiltä matemaattista asiantuntemusta. Lisäksi menetelmien laskennallinen teho sallii useita iteraatioita, jolloin prosessi voidaan toteuttaa vaiheittaisesti hyödyntämällä päätöksentekijöiden mahdollisesti tarkentuvaa preferenssi-informaatiota. Vaikka diplomityön päätulos on laskennallisesti tehokkaiden ryhmämenetelmien kehitys portfoliovalintaan, siinä esitetään myös uusia menetelmiä ryhmäpainoja koskevan informaatiojoukon muodostamiseen päätöksentekijöiden arvioista. |
| Tiivistelmä (eng): | Methods of multi-criteria decision analysis (MCDA) provide normative support for decision making processes. Out of these methods, Robust Portfolio Modeling (RPM) helps decision makers (DMs) to select the best possible subset or portfolio of available projects in the presence of scarce resources. The RPM methods provide a computationally efficient way of generating non- dominated portfolios by accommodating incomplete preference information. This Thesis extends the RPM methods to group decision making context, where the different and possibly conflicting interests of multiple DMs need to be synthesized to obtain a satisfactory compromise. As in the single DM case, the information may be given with the preferred accuracy, and it is accommodated by set inclusion without the need for averaging or randomization. The methods also allow the group weight information describing the possible inequality in the DMs' influence to be incomplete. A distinction between individual and joint approaches is made. In the individual approach the group choice is based on the DMs' individually non-dominated sets. The joint approach seeks to aggregate the DMs' individual information into a single preference model. A few decision rules with method-specific variants are presented for generating decision recommendations. Based on an illustrative case study, the methods seem computationally efficient and provide robust decision recommendations. As in the single DM case, the group RPM methods are transparent and do not necessarily require mathematical expertise from the DMs. Owing to computational efficiency, multiple iterations may be carried out, whereby additional preference information can be elicited and utilized as the process evolves. While the main contribution of this Thesis is the development of efficient group methods for portfolio selection problems with incomplete information, also methods for generating group weight information sets based on the DMs' assessments are presented. |
| ED: | 2009-02-17 |
INSSI tietueen numero: 36749
+ lisää koriin
INSSI