بهینه سازی پرتفوی ردیابی شاخص بر اساس بتای نامطلوب مبتنی بر الگوریتم های تکاملی

بهینه سازی سبد سهام همواره یکی از با اهمیت ترین مسائل در علوم مالی است. استراتژی های مختلفی برای مدیریت پرتفوی سبد سهام استفاده شده‎اند که به‎طور عمده می‎توان آنها را بر دو نوع فعال و غیرفعال دسته‎بندی کرد. یکی از مهم ترین رویکردهای مدیریت غیرفعال پرتفوی، تشکیل پرتفوی ردیاب شاخص است. به‎منظور تشکیل پرتفوی ردیاب شاخص از مدل ها و الگوریتم های مختلفی استفاده می شود. پژوهش پیش رو به‎منظور بررسی عملکرد پرتفوی ردیاب شاخص با رویکرد نامتقارن و وارد کردن بتای نامطلوب در مدل ردیاب شاخص برای بهبود عملکرد آن است. به این منظور، ضمن به‎کارگیری سه مدل برای ردیابی شاخص، از دو الگوریتم تکاملی ژنتیک و تکامل دیفرانسیلی برای حل مدل مد نظر بهره برده شد. به‎منظور بررسی کارایی مدل نیز، از داده های بورس اوراق بهادار تهران استفاده شده است. نتایج در انتها نشان داد مدلی که بر مبنای بتای نامطلوب ارائه‎شده و توسط الگوریتم تکامل دیفرانسیلی حل شده است، کارایی بیشتری دارد.

کلیدواژه ها:

الگوریتم های تکاملی ، الگوریتم تکامل دیفرانسیلی ، الگوریتم ژنتیک ، بتای نامطلوب ، ردیابی شاخص