بهینه سازی سبد سهام با استفاده از الگوریتم های فراابتکاری چند هدفه ژنتیک با مرتب سازی نامغلوب و تکاملی قدرت پارتو بهبود یافته در بازار بورس اوراق بهادار تهران

بهینه سازی سبد سهام به دنبال این میباشد که ترکیبی از داراییها را انتخاب کند تا در نهایت کم ترین ریسک و بیشترین بازده را فراهم آورد که این امر مستلزم آن است که سرمایه گذار سبد سهام خود را جهت کاهش ریسک مربوط به تک سهم ها به خوبی متنوع کرده باشد، لذا تنوع بخشی از اهمیت بالایی برخوردار است. همچنین سرمایه گذار برای افزایش بازده سید سهام خود می تواند از داراییهای با پتانسیل رشد بالاتر بهره گرفته باشد. هدف اصلی این مقاله بهینه سازی سبد سهام با استفاده از الگوریتم های فراابتکاری چند هدفه همچون الگوریتم ژنتیک با مرتب سازی نامغلوب و الگوریتم تکاملی قدرت بارتو بهبود یافته می باشد. جامعه آماری این پژوهش شامل ۷ شرکت مختلف در بازار بورس اوراق بهادر تهران در بازه زمانی ۱۴۰۲٫۷٫۱ تا ۱۴۰۲٫۱۲٫۲۸ می باشد و به علت پایین بودن حجم جامعه از روش سرشماری استفاده میکنیم و کل جامعه را به عنوان نمونه در نظر می گیریم. محاسبات و تجزیه و تحلیل بر روی نمونه آماری با استفاده از نرم افزار متلب نسخه ۲۰۱۸ صورت میگیرد. در ابتدا برای حل مسئله بهینه سازی دو مدل میانگین - نیم واریانس و میانگین - ارزش در معرض خطر شرطی طراحی شد که بهینه ترین مدل به لحاظ ریسک و بازدهی مدل میانگین - نیم واریانس معرفی شد. در ادامه به بهینه سازی سبد سهام با استفاده از دو الگوریتم فرا ابتکاری چند هدفه مذکور پرداخته شد که سبدهای سهامی که از الگوریتم تکاملی قدرت پارتو بهبود یافته بهره گرفته بودند. ریسک و بازدهی بالاتری نیست به سبدهای سهامی داشتند که از الگوریتم ژنتیک با مرتب سازی نامغلوب استفاده کرده بودند لذا از نتایج تحقیق برآورد میشود که سبدهای سهام مبتنی بر الگوریتم تکاملی قدرت پارتو بهبود یافته برای سرمایه گذاران ریسک پذیر مناسب تر می باشد.

کلیدواژه ها:

بهینه سازی الگوریتم ژنتیک با مرتب سازی نامغلوب الگوریتم تکاملی قدرت پارتو بهبود یافته ، ریسک ، بازدهی