چکیده:
تصمیم گیری در زمینه سرمایه گذاری یکی از مسائل اساسی در مدیریت مالی است . وقتی که سرمایه گذار با گزینه های مختلفی جهت سرمایه گذاری روبرو می گردد بایستی در مورد تعداد دارایی های انتخابی و میزان سرمایه گذاری بر روی هر کدام از آن ها تصمیم گیری نماید. انتخاب ابزار و تکنیک های که بتواند سبدسهام مناسب را تشکیل دهد یکی از اهداف اصلی دنیای سرمایه گذاری است در این مطالعه جهت کمک به تصمیم گیری مطلوب در انتخاب سهام موجود در سبد براساس مدل مارکویتز از الگوریتم کلونی مصنوعی زنبوراستفاده شده است و برای تعیین کارایی این الگوریتم معیار شارپ، معیار ترینر و ریسک نامطلوب آن محاسبه و با سبد تشکیل شده از الگوریتم های ژنتیک و کلونی مورچگان مقایسه گردیده است. نمونه آماری پژوهش شامل شرکت های فعال پذیرفته شده، در بورس اوراق بهادار تهران از سال 1384 تا 1394 است که به روش حذف سیستماتیک انتخاب گردیده اند. نتایج پژوهش نشان می دهد معیار شارپ سبدسهام تشکیل شده از طریق الگوریتم کلونی مصنوعی زنبور نسبت به الگوریتم های ژنتیک و مورچگان عملکرد بهتری دارد، اما هرچند معیار ترینر و ریسک نامطلوب سبد سهام تشکیل شده از طریق الگوریتم کلونی مصنوعی زنبور عملکرد بهتری داشته، ولی از لحاظ آماری این اختلاف معنادار نبوده است.
Investment decision making is one of the key issues in financial management. Investor might know about different asset types when facing with various options and the ways in which investors can incorporate them in devising a strategy is significant. Selecting the appropriate tools and techniques that can make optimum portfolio is one of the main objectives of the investment world. In this study it is tried to optimize the decision making in stock selection or optimization of portfolio by means of artificial colony of honeybee algorithm. And to determine the effectiveness of the algorithm, Sharp criteria algorithm, the trainer criteria and its downside risk were calculated and compared with the portfolio made up of genetic and ant colony algorithms .The sample consisted of active firms listed in the Tehran Stock Exchange from 2005 to 2015. The sample was selected by the systematic removal method. The findings show that Sharp criteria algorithm formed by the artificial bee colony algorithm functions better than the genetic and ant colony algorithms in terms of portfolio formation .However, the trainer's criteria and downside risk of the stock portfolio formed through the artificial bee colony algorithm shows the optimum function, this difference is not statistically significant.