چکیده:
پیچیدگی بازارها، به ویژه طیف گسترده ابزارهای سرمایه گذاری و عوامل متعدد موثر بر آنها، تصمیم گیری در خصوص انتخاب نوع دارایی را برای سرمایه گذاران دشوار می کند؛ به طوری که سرمایه گذاران همواره در تصمیم گیری های خود با مساله بهینه سازی مجموعه دارایی روبه رو هستند. هدف از این بهینه سازی، تعیین میزان تخصیص وجه به هر دارایی به گونه ای است که بازده مجموعه دارایی، حداکثر و ریسک آن، حداقل گردد. از آنجا که هیچ گونه الگوریتم کارایی برای یافتن پاسخ بهینه برای مسئله مجموعه دارایی با ابعاد بزرگ وجود ندارد، در این مقاله دو الگوریتم ژنتیک برای یافتن پاسخی نزدیک به بهینه طراحی شده است. اولین الگوریتم، مجموعه دارایی با بالاترین بازده و کمترین ریسک و نیز کمترین ضریب همبستگی با سایر دارایی ها را انتخاب و الگوریتم ژنتیک دوم، وزن هر یک از دارایی ها را در مجموعه دارایی تعیین می کند. در نهایت، این دو الگوریتم برروی سهام عرضه شده در بورس اوراق بهادار تهران با بیش از 200 سهام پیاده و نتایج آن ارایه شده است.
One of the classical applications of operation research in investment decision making is the portfolio selection problem. In this problem a fixed sum of money is to be spread among different investments and there is a risk associated with the rate of return on each investment. The object of the portfolio selection problem is to determine how much money should be allocated to each investment to maximize the total expected return and minimize the portfolio’s risk. Since there is no specific algorithm to find an optimal feasible solution for large scale portfolio problems، in this paper two genetic algorithms are developed to find a near optimal solution. In the first algorithm the selection of investments is determined and in the second one the weight of each investment in the portfolio is calculated. Finally، the two algorithms have been applied successfully to the portfolio of stocks of the Tehran Stock Exchange with more than 200 stocks.
خلاصه ماشینی:
"هدف از الگوریتم ژنتیک ارائه شده در این بخش،انتخاب یک مجموعه از داراییها است که علاوه براینکه دارای بیشترین بازده و کمترین ریسک هستند،ضریب همبستگی بین داراییهای موجود در اینمجموعه نیز کمترین مقدار را دارا باشد.
به منظور تعیین یک الگوریتم مناسب برای این قسمت از دو عملگر تقاطعی(روش یک نقطه برش وروش دو نقطه برش)،و یک عملگر جهشی(معاوضه)و نیز دو رویکرد برای انتخاب بهترین کروموزومها(چرخ رولت و((به تصویر صفحه مراجعه شود))استفاده شده است که در نهایت،با استفاده از روشهای آماری بهترین حالتانتخاب خواهد شد.
الگوریتم ژنتیک برای تعیین نحوه تخصیص مجموعه داراییها هدف از این قسمت،تعیین وزن بهینه هریک از داراییهای انتخاب شده به وسیله الگوریتم اول بهگونهای است که ریسک مجموعه دارایی دارای کمترین مقدار باشد.
به منظور تعیین یک الگوریتم مناسب برای این بخش،دو عملگر تقاطعی(روش یک نقطه برش وروش دو نقطه برش)و دو عملگر جهشی(روش یکنواخت و روش معاوضه)در نظر گرفته شده است کهدر نهایت،با استفاده از روشهای آماری بهترین الگوریتم انتخاب میشود.
حالات مورد بررسی برای الگوریتم ژنتیک دوم (به تصویر صفحه مراجعه شود) به منظور تجزیهوتحلیل و انتخاب بهترین حالت در جداول(2)و(3)از روشهای آماری استفادهشده است که در بخش نتایج محاسباتی به طور مشروح مورد بررسی قرار گرفته است.
نتایج اجرای حالات مختلف الگوریتم دوم بر روی مسائل نمونه (به تصویر صفحه مراجعه شود) به منظور انتخاب مقادیر پارامترها،طی چند مرحله الگوریتم با پارامترهای مختلف مورد آزمون قرارگرفت و مقادیر فوق که بهترین نتایج را ارائه میدادند،انتخاب شدند.
Application of Genetic Algorithms in Portfolio Optimization for the Oil and Gas Industry.
Distributed Genetic Algorithms with an Application to Portfolio Selection Problems."