بهینه سازی چندهدفه پورتفولیوی سرمایه گذاری با استفاده از الگوریتم ژنتیک چندهدفه و شبکه های عصبی فازی

بهینه سازی پورتفولیوی سرمایه گذاری یکی از چالش های اساسی در مدیریت مالی و تصمیم گیری سرمایه گذاری محسوب می شود. این پژوهش چارچوب نوآورانه ای برای بهینه سازی چندهدفه پورتفولیو با ترکیب الگوریتم ژنتیک چندهدفه (NSGA-III) و شبکه های عصبی فازی (FNN) ارائه می دهد. روش پیشنهادی به صورت همزمان سه هدف بازدهی، ریسک و نقدینگی را بهینه سازی می کند. شبکه عصبی فازی برای پیش بینی بازدهی و ریسک سهام و الگوریتم NSGA-III برای یافتن مجموعه بهینه پارتو استفاده شده است. نتایج آزمایش بر روی داده های ۱۵۰ شرکت بورس اوراق بهادار تهران طی دوره ۶ ساله (۱۳۹۶-۱۴۰۲) نشان دهنده بهبود ۲۳.۴ درصدی نسبت شارپ، کاهش ۱۸.۷ درصدی ریسک پورتفولیو و افزایش ۱۶.۲ درصدی نقدینگی نسبت به روش های سنتی است. مدل پیشنهادی قابلیت سازگاری با شرایط نوسانات بازار و عدم قطعیت های اقتصادی را دارا می باشد.

کلیدواژه ها:

بهینه سازی پورتفولیو ، الگوریتم ژنتیک چندهدفه ، شبکه عصبی فازی ، NSGA-III ، مدیریت ریسک ، بورس اوراق بهادار