حامد دمرچی لو - کارشناسی ارشد حسابداری، دانشگاه سیستان و بلوچستان نویسنده پاسخگو
بهنام مرادخانی - کارشناسی اارشد حسابداری عضو هیئت علمی موسسه غیرانتفاعی هاتف
محمدعلی مرادی - دکتری تخصصی حسابداری، دانشیار دانشگاه سیستان و بلوچستان

مطالعه حاضر در پی استفاده از الگوریتمهای ژنتیک جهت بهینهسازی پرتفوی با گسترش مدل میانگین واریانس مارکویتز میباشد. مد ل گسترش یافته بازده، ریسک و نقدشوندگی اوراق بهادار را شامل میشود، زیرانقدشوندگی یکی ازمهمترین معیارهای مورد توجه سرمایهگذاران در هنگام تشکیل پرتفوی میباشد. مسئله انتخاب پرتفوی بهینه به کمک الگوریتمهای ژنتیک، موضوعی است که کمتر مورد توجه پژوهشگران و تحلیلگران قرارگرفته است، در حالی که جامعیت و توان تکنیکی قابل ملاحظه این الگوریتمها میتواند گزینش مناسبی را بهدست دهد. مطالعات پیشین، کارایی الگوریتم ژنتیک را به عنوان یک روش جستجوی تصادفی جامع، در مقایسه با سایرروشهای بهینهسازی به اثبات رسانیده است. رویکرد تحقیق، پرتفویی به دست میدهد که دارای حداکثر بازده و نقدشوندگی، و حداقل ریسک باشد. نتایج این تحقیق نشان میدهد که بهینهسازی پرتفوی مبتنی بر نقدشوندگی میتواند منافع زیادی را در کاهش ریسک نقدشوندگی پرتفوی سرمایهگذاران )بدون از دست دادن مقدار قابل توجهی از بازده، و یا حتی دریافت بازده بالاتر( به دست آورد. بنابراین سرمایهگذاران میتوانند با استفاده از این رویکردها، نقدشوندگی پرتفوی خود را به خوبی تحت کنترل داشته باشند

گزینش پرتفوی بهینه، بهینهسازی، بازده، ریسک قابل قبول، نقدشوندگی، الگوریتمهای ژنتیک