Abstract:
در انتخاب پرتفوی بهینه، باید معیارهای مختلفی را در نظر گرفت که قسمتی آنها بر اساس ماهیت بهینهسازی تعیین میشود و قسمتی نیز بر اساس خواست سرمایهگذار مشخص میگردد. لذا در این مقاله، مدلهایی مبتنی بر برنامهریزی چندهدفه طراحی و در محیط نرمافزار متلب حل شده است. این مدلها به گونهای طراحی شده که هم طبیعت چندهدفة انتخاب پرتفو، هم ملاحظات مورد نظر سرمایهگذار و هم ماهیت غیرقطعی بازدهی آتی داراییها را نیز در نظر بگیرد. پس از طراحی مدلها در دو وضعیت فازی و غیرفازی، به دلیل ماهیت NP-HARD آنها، از الگوریتم اختصاصی طراحی شده NSGA-II برای حل استفاده شده است. پس از حل مدلها، بهترین پرتفو از جبهة پارتوی تشکیل شده، بر اساس نسبت سورتینو، استخراج شده و پرتفوهایی که با این روش بدست آمده، بر اساس نسبت ترینر مقایسه گردیدند. نتایج آزمونهای آماری به صراحت نشان میدهد که مدل های ارائه شده قدرت بالایی در انتخاب پرتفوی با بازدهی بالا و ریسک متعادل دارند. همچنین نتایج بیانگر آن است که در میان مدل های طراحی شده، استفاده از منطق فازی در مدلهای چهارهدفه، نسبت به وضعیتی که از منطق فازی در طراحی و استفاده از این مدلها استفاده نشود، نتایج مطلوبتری را ایجاد را مینماید.
Machine summary:
از آن زمان بيشتر نويسندگان تلاش نموده اند تا راه حل هاي بهينه اي براي مسأله انتخاب پرتفو با استفاده از موازنه بين دو معيار انجام دهند: بيشينه سازي بازده و کمينه سازي مقدار ريسک سرمايه گذاري.
لذا دو مدل بهينه سازي چهارهدفه فازي و غيرفازي طراحي گرديد و با توجه به ماهيت سخت چندجمله اي مدل هاي مذکور، جهت حل مسأله ، از الگوريتم اختصاصي طراحي شده ژنتيک چندهدفه با مرتب سازي نامغلوب NSGA-II استفاده شد و عملگرهاي جهش و تقاطع متناسب با ساختار مدل طراحي گرديد.
از سوي ديگر نويسندگان ميکوشند تا به اين نتيجه برسند که آيا استفاده از منطق فازي و فازي در نظر گرفتن عمگرهاي مختلفي مانند بازدهي، نيم واريانس ، چولگي و کشيدگي و استفاده از تئوري امکاني ١ اثري در انتخاب مجموعه اي از بهترين پرتفويهاي ممکن که داراي بيشترين بازدهي و کمترين ريسک هستند دارد و آيا مدلسازي و حل انجام شده در وضعيت فازي بهتر از وضعيت غيرفازي است يا خير.
سبوريدو و همکاران [٨] (٢٠١٦) نشان دادند که الگوريتم ژنتيک با مرتب سازي نامغلوب (NSGA-II) طراحي شده توسط خودشان از ساير مدل هاي بهينه سازي تکاملي چندهدفه همزمان ، قابل اتکاتر است .
در اين مدل براي ارزيابي ميزان برازندگي و انجام تقاطع از تلفيق چند مفهوم رويکرد سريع مرتب سازي نامغلوب ، تخصيص فاصله ازدحام و عمگر انتخاب مسابقه اي ازدحام استفاده شده است .
Bermúdez, Enriqueta Vercher, Mariano Luque, Evolutionary Muli-Objective Optimization Algorithm for fuzzy portfolio selection, Applied Soft Computing (39), 2016 9) R.