چکیده:
تحقیقات بسیاری در سال های اخیر برای توسعه روش های مدیریت ریسک بر اساس نظریه ارزش در معرض ریسک (VaR) انجام شده است. در این مقاله با استفاده از الگوریتم های ژنتیک (GA) سبد سهام بهینه ای به دست می آید که دارای سود ماکزیمم است ضمن آن که دارای قیدی روی ریسک سبد است. معیار برآورد ریسک نیز VaR در نظر گرفته شده است. این معیار به سادگی و تنها با یک عدد ریسک بازار را مدل می کند. روش GA، از جمله الگوریتم های بهینه سازی عددی بوده که از ژنتیک طبیعی و روند تکامل در طبیعت الهام گرفته اند. مزیت اصلی این الگوریتم ها، انعطاف پذیری بسیار بالای آن ها در برخورد با مسایل پیچیده و عدم نیاز به شرایط ریاضی خاص مانند پیوستگی و مشتق پذیری توابع است. شبیه سازی برای سبد سهامی متشکل از 12 شرکت مختلف در بازار بورس تهران انجام شده است. نتایج به دست آمده نشانگر کارایی روش مدل سازی ریسک بازار بر مبنای نظریه ارزش در معرض ریسک و روش بهینه سازی الگوریتم های ژنتیک در به دست آوردن وزن های بهینه سبد سهام با در نظر گرفتن محدودیت بر روی دیسک است.
In this paper an optimal portfolio selection is obtained so that it provides the maximal yield and at the same time satisfies the constraints on the value at risk. Value at risk is an important measure of extent to which a given portfolio is subject to different kinds of risk present in financial markets. The optimal weights of each share have been obtained using Genetic Algorithm (Gas). Actually GAs are stochastic parallel global–search algorithms based on the mechanism of natural genetics and the biological theory of evolution. Because GAs exploit strategies of genetic information and survival of the fittest to guide their search، they need not calculate the gradient or assume that the search space is differentiable or continuous. GAs simultaneously evaluate many points in the parameter space، so they are more likely to converge toward a global solution. Gas are very suitable for searching discrete، noisy، multimodal and complex space. The portfolio which is considered in this article has been selected from 12 various companies in the Tehran stock exchange. Simulation results show that the high performance of the VaR approach risk modeling and GA optimization method to selection an optimal portfolio under a pre-specified constraint on the value at risk.
خلاصه ماشینی:
"جدول2- مشخصات 12 شرکت مورد استفاده در شبیهسازی و درصد وزن سهام انتخاب شده در هر یک از حالتها i نام شرکت صنعت درصد هر سهم (سبد بهینه) درصد هرسهم (سبد تصادفی1) درصد هرسهم (سبد تصادفی2) درصد هرسهم (سبد بهینه تغییر یافته) 1 شوکو پارس محصولات غذایی 6-10*4548/4 17768/0 28381/0 6-10*4548/4 2 سرمایهگذاری توسعه بهشهر سرمایهگذاری 0086274/0 7-10*815/5 5-10*6709/3 0086274/0 3 سرمایهگذاری البرز سرمایهگذاری 24465/0 8-10*4597/1 091861/0 24465/0 4 پتروشیمی آبادان محصولات شیمیایی 0061223/0 8-10*06/3 10284/0 0061223/0 5 پارس الکتریک ساخت رادیو و تلویزیون 0043726/0 79852/0 088085/0 0043726/0 6 کشت و صنعت چین چین محصولات غذایی 19409/0 0028939/0 23071/0 19409/0 7 فیبر ایران محصولات چوبی 8147/7 00090683/0 094105/0 8147/7 8 سیمان سپاهان سیمان، آهک و گچ 0040587/0 7-10*7618/1 5-10*6906/1 0040587/0 9 سرمایهگذاری بانک ملی شرکتهای چند رشتهای صنعتی 7-10*6012/1 6-10*2441/1 042731/0 7-10*6012/1 10 سایپا خودرو و ساخت قطعات 42706/0 8-10*3982/8 049059/0 22706/0 11 نفت بهران فرآوردههای نفتی 5-10*9565/3 9-10*4181/1 005832/0 5-10*9565/3 12 لاستیک البرز لاستیک و پلاستیک 11097/0 7-10*1988/1 00091719/0 31097/0 جدول3- مقدار VaR و ارزش سبد سهام برای وزنهای بهینه بهدست آمده برای دو حالت انتخاب تصادفی سبد و سبد بهینه تغییر یافته ارزش سبد سهام مقدار VaR روش انتخاب وزنها 8/4639 3550 الگوریتم ژنتیک 4/6771 2/7955 سبد تصادفی(حالت 1) 1/3035 9/3090 سبد تصادفی(حالت 2) 6/5354 4166 سبد بهینه تغییر یافت در این مقاله بر خلاف مدلهای کلاسیک بهینهسازی سبد سهام که بر پایه واریانس هستند از مقدار تحت ریسک (VaR) بهعنوان معیار ریسک برآورد سبد سهام استفاده شد."