پیش بینی سبد سهام با استفاده از الگوریتم های تکاملی برپایه تجزیه و متدهای پیش انتخاب سهام

در بهینه سازی سبد سهام هدف افزایش بازده و کاهش ریسک می باشد، اما با افزایش تعداد سهام، پیچیدگیمحاسباتی مسیله مذکور به یک چالش برای کاربردهای زمان واقعی بدل می شود. در این مقاله برای حل این مشکل، دوفرایند پیش انتخاب سهام شامل محاسبه بازده و ریسک هر سهم و بررسی سهامی که دارای اثر متقابل بر روی یکدیگرمیباشند برای شناسایی و حذف سهام ضعیف که احتمال انتخاب آنها در سبد سهام نهایی پایین میباشد، ارایه شده است.با استفاده رویکرد پیشنهادی، چالش مربوط به پیچیدگی محاسباتی سبدهای سهام بزرگ مرتفع می گردد. برای تجزیه وتحلیل کارایی روش پیشنهادی، الگوریتم نرمالیزه چند هدفه تکاملی مبتنی بر تجزیه و چندین الگوریتم چند هدفه تکاملیمبتنی بر روشهای فرابتکاری با یکدیگر مقایسه شده اند.نتایج آزمایشات نشان می دهد که مدل پیشنهادی علاوه برکاهش زمان شبیه سازی کارایی پارامتر بازده-ریسک (Returm-Risk) را به طرز چشمگیری افزایش میدهد، همچنین الگوریتم فوق الذکر قادر است به نتایج بسیار بهتری نسبت به تمامی الگوریتم های مقایسه شده، دست یابد.

کلیدواژه ها:

بهینه سازی سبد سهام ، الگوریتم نرمالیزه چند هدفه تکاملی مبتنی بر تجزیه ، مدل نیم واریانس