Abstract:
در این پژوهش مساله بهینهسازی سبد سهام در شرکتهای پذیرفته شده در بازار سرمایه ایران به عنوان یک مساله بهینهسازی تصادفی چندهدفه مورد بررسی قرار گرفته است. تابع هدف اول شامل کمینهسازی ریسک و تابع هدف دوم شامل بیشینهسازی بازده است. محدودیتهای مدل شامل محدودیت انتخاب شرکتها به صورت منحصربفرد و همچنین محدودیت بودجه میباشد. به منظور حل مساله، دو الگوریتم فراابتکاری ژنتیک و گرگ خاکستری توسعه داده شده که با استفاده مثالهای عددی برگرفته از 491 شرکت پذیرفته شده در بورس اوراق بهادار تهران و فرابورس ایران از تاریخ 5 فروردین 1397 تا 30 آذر 1400، مورد تجزیه و تحلیل عددی قرار گرفتند. مطابق با نتایج عددی میتوان مشاهده نمود الگوریتم گرگ خاکستری در تمامی مثالها دارای کارایی بالاتری نسبت به الگوریتم ژنتیک است. البته قابل توجه است که در هیچ کدام از مثالهای عددی، درصد پاسخهای ناموجه در رویه بهبود الگوریتمها از 02/10 درصد بیشتر نشده است. همچنین درصد بهبود کارایی الگوریتم گرگ خاکستری نسبت به الگوریتم ژنتیک بین 3 تا 11 درصد گزارش شده است.
The purpose of this study is to optimize the portfolio in companies listed on the Iran capital market (Tehran Stock Exchange and Iran Farabours) as a multi-objective optimization problem. The first objective function includes risk minimization and the second objective function includes return maximization. The limitations of the model include the limitation of selecting companies individually as well as the limitation of budget. In order to solve the problem, two genetic metaheuristic algorithms and a gray wolf have been developed, which are analyzed using numerical examples taken from 491 companies listed on the Tehran Stock Exchange and the Iran Farabours market from April 26, 2016 to December 21, 2022 were subjected to numerical analysis.According to the numerical results, it can be seen that the gray wolf algorithm has a higher efficiency than the genetic algorithm in all examples. It is noteworthy, however, that in none of the numerical examples did the percentage of unwarranted responses in the algorithm improvement procedure exceed 10.2%. Also, the percentage improvement of the gray wolf algorithm compared to the genetic algorithm is reported to be between 3 and 11%.
Machine summary:
ir تاريخ دريافت : ١٤٠٠/٠٦/٠١ تاريخ پذيرش : ١٤٠٠/١٢/٠١ چکيده در اين پژوهش مساله بهينه سازي سبد سهام در شرکت هاي پذيرفته شده در بازار سرمايه ايران به عنوان يک مساله بهينه سازي تصادفي چندهدفه مورد بررسي قرار گرفته است .
به منظور حل مساله ، دو الگوريتم فراابتکاري ژنتيک و گرگ خاکستري توسعه داده شده که با استفاده مثال هاي عددي برگرفته از ٤٩١ شرکت پذيرفته شده در بورس اوراق بهادار تهران و فرابورس ايران از تاريخ ٥ فروردين ١٣٩٧ تا ٣٠ آذر ١٤٠٠، مورد تجزيه و تحليل عددي قرار گرفتند.
همچنين مدل پژوهش براساس مدل ارائه شده توسط کلنر و يوتز٥ (٢٠١٩) 1 Dupačová & Kopa 2 Oikonomou & Sutcliffe 3 Quaranta & Zaffaroni 4 Pun 5 Kellner & Utz و دعائي و صابرفرد١ (١٤٠٠) فرموله شده و توسعه يافته است .
جهت محاسبه اين پارامترهاي بايد از داده هاي تاريخي موجود در وبگاه مرکز پژوهش ، توسعه و مطالعات اسلامي، سازمان بورس و اوراق بهادار١ استفاده کرد که در آن اطلاعات مربوط به قيمت تعديل شده با افزايش سرمايه براي ٤٩١ شرکت مورد بررسي از تاريخ ٥ فروردين ١٣٩٧ تا ٣٠ آذر ١٤٠٠ به صورت روزانه قابل دسترس است .
٣-٢-روش تجزيه و تحليل با توجه به اينکه استفاده از الگوريتم هاي فراابتکاري امروزه به عنوان يک ابزار قدرتمند در حل مسائل بهينه سازي مورد استفاده قرار ميگيرد، در اين پژوهش نيز جهت حل مساله و مقايسه کارايي آن ها مساله پژوهش در شرايط مختلف حل شده و نتايج عددي 1 Kall & Wallace 2 Walkup & Wets 3 Masmoudi & Abdelaziz مورد بررسي قرار ميگيرد.