بهینه سازی هوشمند سبد سهام با استفاده از الگوریتم های چرخه آب و گرگ خاکستری

هدف: این مطالعه به ارزیابی و مقایسه عملکرد الگوریتم های فراابتکاری با مدل کلاسیک مارکوویتز برای بهینه سازی سبد سهام در بازار سهام ایران که دارای نوسانات بالا و ناکارآمدی است، می پردازد. هدف اصلی، شناسایی تخصیص بهینه دارایی از بین ۶۴ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی یک دوره پنج ساله (۱۳۹۸-۱۴۰۳) و ارزیابی منتقدانه بده بستان های ارائه شده توسط هر روش از نظر ریسک، بازده و کارایی محاسباتی است. این نکته نشان می دهد که راه حل های فراابتکاری می توانند در کنار مدل کلاسیک مارکوویتز عملکرد بهتری در برخی جنبه های عملی سرمایه گذاری ارائه دهند، ضمن اینکه انتخاب نهایی باید مطابق با اولویت های سرمایه گذار باشد. این مطالعه چارچوبی کارآمد برای مدیران پرتفوی فراهم می کند تا ابزار بهینه سازی را بر اساس هدف ریسک-بازده و مهلت های تصمیم گیری خود ترکیب کنند.روش: این مطالعه از یک چارچوب تحلیلی مقایسه ای استفاده می کند و مدل بهینه سازی میانگین -واریانس کلاسیک مارکوویتز را در مقابل دو الگوریتم فراابتکاری قرار می دهد: الگوریتم چرخه آب (WCA) و بهینه ساز گرگ خاکستری (GWO). با استفاده از داده های تاریخی پنج ساله از ۶۴ شرکت در بورس اوراق بهادار تهران (۱۳۹۸-۱۴۰۳)، سبدهای سهام بهینه را بر اساس هر روش ایجاد می شود. سپس یک دستورالعمل جامع ارزیابی ریسک اعمال می گردد تا عملکرد سبد سهام را نه تنها از طریق معیارهای سنتی مانند نسبت شارپ و انحراف معیار، بلکه با ترکیب معیارهای پیشرفته ریسک مانند ارزش در معرض ریسک (VaR)، ارزش در معرض ریسک شرطی (CVaR) و حداکثر افت سرمایه (MDD) برای ارائه یک ارزیابی چندوجهی موردمطالعه و بررسی قرار دهد. در این راستا کارایی محاسباتی هر الگوریتم نیز به طور دقیق محک زده شد.یافته ها: نتایج به دست آمده، نکات ظریفی و قابل تاملی را ارائه می دهند. الگوریتم چرخه آب مزیت قابل توجهی در کارایی محاسباتی نشان می دهد که تقریبا ۶.۷ برابر سریع تر از بهینه ساز گرگ خاکستری است. علاوه بر این، در به حداقل رساندن حداکثر افت سرمایه ، یک معیار ریسک حیاتی برای حفظ سرمایه در درازمدت، عملکرد فوق العاده ای داشت. با این حال، برخلاف فرضیه اولیه، مدل مارکوویتز در کنترل نوسانات روزانه (انحراف معیار) و کاهش ریسک دنباله افراطی از WCA بهتر عمل کرد. GWO به طور مداوم در تمام معیارهای کلیدی عملکرد ضعیف تری داشت. این یافته ها تاکید می کنند که برتری الگوریتم به شدت به معیار ریسک خاصی که توسط سرمایه گذار اولویت بندی می شود، وابسته است، نه اینکه یک برنده مطلق را ارائه دهد.نتیجه گیری: از نتایج این تحقیق آن است که روش های فراابتکاری مدرن مانند WCA جایگزین های کاملی نیستند، بلکه مکمل های قدرتمندی برای مدل های کلاسیک هستند.WCA به عنوان ابزاری برتر برای سرمایه گذارانی که سرعت محاسباتی و انعطاف پذیری در برابر رکودهای طولانی مدت بازار را در اولویت قرار می دهند، پدیدار می شود. در مقابل، مدل مارکوویتز همچنان یک انتخاب قوی برای مدیریت نوسانات کوتاه مدت است. این مطالعه بر لزوم همسو کردن انتخاب ابزار بهینه سازی با اهداف سرمایه گذاری خاص و تعاریف ریسک تاکید می کند و یک چارچوب عملی برای سرمایه گذاران و مدیران پرتفوی در بازارهای نوظهور مانند ایران ارائه می دهد. این تحقیق با ارائه چارچوب مقایسه ای منسجم، به کارفرمایان و سرمایه گذاران نشان می دهد که پیاده سازی آزمایشی و ارزیابی مستمر با در نظر گرفتن ابعاد مختلف ریسک (VaR، CVaR، MDD) و معیارهای کارایی محاسباتی، می تواند به بهبود کیفیت تصمیم گیری ها در بازارهای با اطلاعات ناقص کمک کند.

کلیدواژه ها:

بهینه سازی سبد سهام ، الگوریتم چرخه آب ، الگوریتم گرگ خاکستری ، بازده ، ریسک