Abstract:
در مطالعات مالی، سبد سهام را میتوان به معنی مجموعهی سرمایهگذاریهایی دانست که توسط یک فرد و یا یک موسسه انتخاب و پذیرفته میشود. انتخاب سبد سهام یکی از اصلیترین دغدغههای سرمایهگذاران در بازارهای مالی است. مدل میانگین- واریانس با مؤلفههای مقید به عنوان یکی از مدلهای اصلی در حل مسأله بهینهسازی سبد سرمایه شناخته میشود. این مدل از لحاظ پیچیدگی، از نوع مسائل غیرخطی چند جملهای NP-hard است که به صورت دقیق قابل حل نیستند. در این پژوهش با استفاده از الگوریتم ترکیبی شیرمورچه- ژنتیک (ALOGA) و الگوریتم ترکیبی یادگیری افزایشی مبتنی بر جمعیت و تکامل تفاضلی (PBILDE)که از مدلهای فرا ابتکاری نوین در حل مسائل بهینهسازی هستند، برای بهینهسازی سبد سرمایهگذاری با هدف افزایش بازده و کاهش ریسک استفاده شده است. از میان 591 شرکت حاضر در بورس اوراق بهادار تهران، 150 شرکت در بازه زمانی فروردین 1391 الی اسفند 1393 با استفاده از روش غربالگری به عنوان نمونه نهایی انتخاب شدند. دادههای مربوط به این شرکتها توسط الگوریتمهای بکار رفته در تحقیق مورد تجزیه و تحلیل قرار گرفت و کارآیی آنها با یکدیگر مقایسه گردید. نتایج پژوهش حاکی از آن است که الگوریتمهای ALOGA و PBILDE کارایی مناسبی برای حل مسألهی بهینهسازی سبد سهام دارند. بعلاوه، با استفاده از الگوریتم ALOGA میتوان با دقت و کارایی بالا سبد سهام بهینه تشکیل داد.
In financial studies, portfolio can be defined as a set of investments that are selected and accepted by an individual or institution. Portfolio selection is one of the main concerns of investors in financial markets. The average-variance model with bound restrictions is considered as one of the main models in solving the portfolio optimization problem. In terms of complexity, this model is a polynomials NP-hard non-linear problem that cannot be accurately solved. In this study, an Antlion optimizer- Genetic algorithm (ALOGA) and a population based incremental learning and differential evolution algorithm (PBILDE), which are modern meta-heuristic models for solving optimization problem, are used to optimize the investment portfolio through increase the return and reduce the risk. Among 591 companies listed on Tehran stock exchange from April 2012 through March 2015, 150 companies were selected as the final sample using screening method. The data of these companies were analyzed using the applied algorithms in this research and their efficiency was compared together. The results indicate that ALOGA and PBILDE algorithms both are suitable for solving the portfolio optimization problem. In addition, using the ALOGA algorithm, it is possible to create an optimal portfolio with high accuracy and efficiency.
Machine summary:
توسعه الگوريتم هاي فرا ابتکاري شيرمورچه - ژنتيک و PBILDE جهت بهينه سازي سبد سهام در بورس اوراق بهادار تهران 1 مهدي همايون فر تاريخ دريافت : ٩٦/٠٤/١٧ تاريخ پذيرش : ٩٦/٠٩/١٢ 2 امير دانشور 3 جعفر رحماني چکيده در مطالعات مالي، سبد سهام را ميتوان به معني مجموعه ي سرمايه گذاريهايي دانست که توسط يک فرد و يا يک موسسه انتخاب و پذيرفته ميشود.
در اين پژوهش با استفاده از الگوريتم ترکيبي شيرمورچه - ژنتيک (ALOGA) و الگوريتم ترکيبي يادگيري افزايشي مبتني بر جمعيت و تکامل تفاضلي (PBILDE) که از مدل هاي فرا ابتکاري نوين در حل مسائل بهينه سازي هستند، براي بهينه سازي سبد سرمايه گذاري با هدف افزايش بازده و کاهش ريسک استفاده شده است .
بهينه سازي سبد سهام ، ريسک ، بازده ، الگوريتم شيرمورچه ، الگوريتم ترکيبي يادگيري افزايشي مبتني بر جمعيت و تکامل تفاضلي، الگوريتم ژنتيک 382 ١- مقدمه بورس اوراق بهادار به عنوان يکي از مهمترين زمينه هاي سرمايه گذاري مالي، همواره مورد توجه بسياري از سرمايه گذاران بوده است .
در اين پژوهش با استفاده از يک الگوريتم فرا ابتکاري موسوم به الگوريتم شيرمورچه ٣، حل مسأله ي بهينه سازي سبد سرمايه گذاري به منظور افزايش بازده و کاهش ريسک ، مورد بررسي و مطالعه قرار گرفته است .
شاه محمدي و همکاران (١٣٩١) جهت انتخاب سبد سهام بهينه از مدل ميانگين - واريانس - چولگي استفاده کردند که بازه هاي مربوط به سهام در اين پژوهش به صورت فازي در نظر گرفته شده است .