بهینه سازی سبد سهام با سنجه های مبتنی بر ارزش در معرض ریسک و محدودیت تعداد سهام با استفاده از الگوریتم فراابتکاری دسته های میگو (مطالعه موردی: بورس اوراق بهادار تهران)

همواره یکی از اساسی ترین مسائل در تصمیمات سرمایه گذاری و بهینه سازی سبد سهام انتخاب یک سنجه مناسب برای بررسی ریسک و کاهش آن بوده است. در این مطالعه، به بررسی عملکرد الگوریتم دسته های میگو در بهینه سازی مدل های میانگین-ارزش در معرض ریسک و میانگین-ارزش در معرض ریسک شرطی با در نظر گرفتن محدودیت تعداد سهام برای ۳۵ شرکت فعال در بورس اوراق بهادار تهران پرداخته شده است. برای آموزش الگوریتم از روش پنجره غلتان در دوره های ۱۳۹۰ تا ۱۳۹۷ و ۱۳۹۱ تا ۱۳۹۸ استفاده شده­است. همچنین نسبت شارپ و نسبت شارپ شرطی سبد های حاصله مقایسه شده و معناداری تفاوت مدل ها با آزمون ویلکاکسون ارزیابی شده است. یافته ها حاکی از آن است که بیشترین مقدار بازده با اختلاف کمی متعلق به مدل با سنجه ارزش در معرض ریسک شرطی می باشد. لیکن در هر دو روش، سبدهای متشکل از ۵ سهم دارای عملکرد بهتری می باشند. با توجه به بررسی های صورت گرفته در میان خروجی ها و مقایسات میان رده ای، این نتیجه حاصل گردید که بین عملکرد مدل های بهینه سازی مبتنی بر سنجه ی ارزش در معرض ریسک و ارزش در معرض ریسک شرطی تفاوت معناداری وجود ندارد. همچنین محدودیت کاردینالیتی عملکرد مدل را بهبود می بخشد و سبد با تعداد سهام کمتر بازدهی بهتری از خود نشان می دهد.

کلیدواژه ها:

ارزش در معرض ریسک شرطی ، الگوریتم دسته های میگو ، بهینه سازی سبد سهام ، بورس اوراق بهادار تهران ، محدودیت تعداد سهام