به کارگیری الگوریتم ژنتیک برای انتخاب پرتفولیوی بهینه ای با اهداف غیر خطی بورس اوراق بهادار تهران

عموما سرمایه گذار در مسیله انتخاب پرتفولیو اهداف چندگانه و متناقضی از قبیل بازدهی ریسک و نقد شوندگی مدنظر دارد از طرف دیگر سرمایه گذار دارای ترجیحات خاص خود در مورد اهداف است مرور ادبیات تحقیق نشان می دهد از جمله اهدافی که در مسیله انتخاب پرتفولیو استفاده نشده است حداقل کردن ریسک غیر سیستماتیک و حداکثر سازی چولگی بازدهی پرتفولیو است در این تحقیق سعی شده است به منظور انتخاب پرتفولیوی بهینه از بین سهام 50 شرکت برتر اوراق بهادار تهران مذلی چند هدفه برای بهینه کردن اهداف بازدهی ریسک سیستماتیک ریسک غیر سیستماتیک نقد شوندگی ضریب چولگی و نسبت شارپ طراحی شود مدل طراحی شده غیر محدب است و نمی توان آن را با الگوریتم تحقیق در عملیات بهینه کرد بنابراین از الگوریتم ژنتیک برای بهینه کردن مدل استفاده شده است مقایسه جواب حاصل از الگوریتم ژنتیک با مدل کلاسیک مارکویتز و مدل آرمانی با اهداف خطی و غیر خطی درجه دوم نشان می دهد که اگرچه بازدهی پرتفولیو حاصل از الگوریتم ژنتیک کمتر از مدل های دیگر است اما کاهش بازدهی با کاشه در میزان ریسک جبران شده و معیارهای تعدیل شده بر مبنای ریسک بهتر بودن جواب حاصل از الگوریتم ژنتیک صحه می گذارد همچنین پرتفولیو حاصل تنوع بیشتری نسبت به پرتفولیو مدل های دیگر دارد

کلیدواژه ها:

الگوریتم ژنتیک ، اهداف غیر خطی ، پرتفولیو ، بازدهی ، ریسک