بهینه سازی پرتفوی تحت شرایط ریسکی با استفاده از الگوریتم های هوش جمعی

افزایش بازده و کاهش ریسک، همواره یکی از مهم ترین مسائلی است که سرمایه گذاران در بازارهای مالی به آن توجه می کنند. بهینه سازی سبد سرمایه گذاری، با استفاده از روش های برنامه ریزی غیر خطی و ارایه یک مدل کاربردی، سعی دارد با در نظر گرفتن دانش مدیریت مالی و سرمایه گذاری به ارزیابی ریسک و بازده بپردازد. در بهینه سازی سبد کاهش ریسک و افزایش بازده و یا به عبارتی معاوضه بین ریسک و بازده در مرز موثر بازده و ریسک از اهداف اصلی می باشد. در بررسی مسائل غیرخطی بهینه سازی استفاده از روش های مختلف هوش جمعی رشد فراگیری زیادی داشته است. از مناسب ترین روش های فرا ابتکاری که در حل مسائل بهینه سازی سبد استفاده شده است، روش بهینه سازی از طریق الگوریتم بهینه سازی گروهی ذرات و الگوریتم کلونی زنبورها می باشد. هدف از مطالعه صورت گرفته استفاده از این روش ها در بهینه سازی سبد سهام در بورس اوراق بهادار تهران و مقایسه نتایج بدست آمده با لحاظ نمودن تاثیر روش های مختلف محاسبه ریسک سبد می . باشد در این پژوهش با انتخاب یک نمونه آماری متشکل از ۵۰ شرکت فعال در بورس اورق بهادار تهران، با مدل سازی به روش واریانس و نیم-واریانس و میانگین مطلق انحرافات و ارزش در معرض خطر شرطی مقدار بازده و ریسک با استفاده از الگوریتم فراابتکاری بهینه سازی گروهی ذرات و الگوریتم کلونی زنبورها استفاده شده است. با توجه به نتایج بدست آمده میزان بازده و ریسک بدست آمده از طریق استفاده از الگوریتم فراابتکاری بهینه سازی گروهی ذرات و الگوریتم کلونی زنبورها در مدل های مختلف می توان دید که سبد به دست آمده از روش بهینه سازی گروهی ذرات دارای بازده بالاتر و ریسک بالاتری نسبت به مدل بهینه سازی کلونی زنبورها داشته است. همچنین تنوع سهام در روش بهینه سازی کلونی زنبورها دارای گستردگی بیشتری نسبت به روش بهینه سازی ذرات می باشد. در مدل بهینه سازی گروهی ذرات با روش نیم واریانس با بازده ۸/۱۲ درصد و ریسک ۸/۱۳ درصد و در مدل بهینه سازی کلونی زنبورها با روش واریانس با بازده ۱۰/۳۰ و ریسک ۶/۵۴ در مقایسه با سایر روشها محاسبه ریسک نتایج بهتری حاصل شده است.

کلیدواژه ها:

بهینه سازی سبد ، الگوریتم بهینه سازی گروهی ذرات ، الگوریتم کلونی زنبورها مدل های محاسبه ریسک