چکیده:
انتخاب سبد سرمایه گذاری بهینه یکی از مهمترین چالش های علوم مالی است. هدف این مطالعه بکارگیری الگوریتم چرخه آب چند هدفه (MOWCA) برای یافتن ترکیبی کارآمد از سبد سرمایهگذاری است. مسئله مورد مطالعه یک مسئله چند هدفه غیر خطی است که توابع هدف آن شامل حداکثر سازی بازده و حداقل سازی ریسک است. الگوریتم چرخه آب از فرآیند چرخه آب در طبیعت شبیهسازی شده است و نخستین بار توسط مرادی و همکاران (2017) از این الگوریتم برای بهینه سازی سبد سهام در چهار بورس بزرگ دنیا بهره گرفته شده است. در این تحقیق از اطلاعات روزانه طی سال های1392 تا 1394، 30 شرکت بزرگ بورس تهران استفاده شده است. به علاوه عملکرد MOWCA برای حل مسائل بهینهسازی چندهدفه با سایر بهینهسازهای چندهدفه از قبیل الگوریتم ژنتیک چندهدفه (MOGA) و الگوریتم پرندگان چندهدفه (MOPSO) مقایسه شدهاست. به منظور مقایسه از چهار معیار عملکرد برای مقایسه نتایج الگوریتم ها از چهار معیار مرسوم استفاده شده است: فاصله، یکنواختی، تنوع و پوشش. یافته ها حاکی از آن است که بر اساس اغلب معیارهای ارزیابی عملکرد مورد استفاده در این تحقیق، MOWCA درمقایسه با سایر الگوریتم های فرا ابتکاری برای مسائل بهینهسازی سبد سرمایهگذاری کارآمدی بیشتری دارد.
خلاصه ماشینی:
نمونه اين پژوهش شامل اطلاعات روزانه ٣٠ شرکت بزرگ بورس تهران طي سال هاي ١٣٩٢ تا ١٣٩٤ است ؛ به علاوه ، عملکرد MOWCA براي حل مسائل بهينه سازي چندهدفه با ساير بهينه سازهاي چندهدفه ، از قبيل الگوريتم ژنتيک چندهدفه (MOGA) و الگوريتم پرندگان چندهدفه (MOPSO)، مقايسه شد.
يافته ها حاکي از آن است که بر اساس اغلب معيارهاي ارزيابي عملکرد مورداستفاده در اين پژوهش ، MOWCA در مقايسه با ساير الگوريتم هاي فراابتکاري براي مسائل بهينه سازي سبد سرمايه گذاري کارآمدي بيشتري دارد.
در اين مطالعه ، الگوريتم چرخه آب (WCA) به عنوان يک روش بهينه سازي براي حل انتخاب سبد سرمايه گذاري بهينه ، معرفي و استفاده شده است ؛ ازاين رو توانايي و کارايي WCA براي ايجاد راه حل هاي با کيفيت بالا براي مدل مارکوئيتز بررسي خواهد شد.
ازآنجاکه بورس تهران از جنبه هاي مختلف ، ازجمله کارايي، در سطح کمتري نسبت به بورس هاي پيشرفته دنيا قرار دارد و ممکن است اين الگوريتم براي بهينه سازي سبد سهام در بازاري متفاوت نتيجه متفاوتي نيز در بر داشته باشد، اين مطالعه براي نخستين بار آن را در بورس تهران به کار بسته و نتايج آن را با دو الگوريتم رايج بهينه سازي، يعني الگوريتم ژنتيک (GA) و پرندگان (PSO)، مقايسه ميکند.
A multi-objective genetic algorithm for cardinality constrained fuzzy portfolio selection.
Markowitz-based portfolio selection with cardinality constraints using improved particle swarm optimization.
(2007) An Effective Decision-Based Genetic Algorithm Approach to Multiobjective Portfolio Optimization Problem, Applied Mathematical sciences, 1(5): 201-210.