چکیده:
مسئله بهینهسازی مارکویتز و تعیین مرز کارای سرمایهگذاری، زمانیکه تعداد داراییهای قابل سرمایهگذاری و محدودیتهای موجود در بازار کم باشد، توسط مدلهای ریاضی حلشدنی است. اما هنگامیکه شرایط و محدودیتهای دنیای واقعی در نظر گرفته شود، مسئله بهینهسازی پرتفوی بهراحتی با استفاده از شیوههای ریاضی حـل نمیشود. بههمین دلیل استفـاده از شیوههای ابتکاری همچون شبکههای عصبی و الگوریتمهای تکاملی در بهینهسازی پرتفوی یکی از موضوعات مهم مورد بحث در دوران اخیر بوده است. هدف اصلی پژوهش حاضر حل مسئله بهینهسازی پرتفوی (مدل میانگین ـ واریانس) با استفاده از روش بهینهسازی حرکت تجمعی ذرات (PSO) است. بدین منظور با استفاده از اطلاعات قیمت 20 سهم پذیرفته شده در بورس اوراق بهادار تهران در فاصله زمانی مهر 1385 تا شهریور 1387، مرز کارای سرمایهگذاری رسم میشود. نتایج این پژوهش نشان میدهد، روش بهینهسازی حرکت تجمعی ذرات در بهینهسازی پرتفوی سهام با وجود محدودیتهای بازار موفق است.
The Markowitz’s optimization problem is considered as a standard quadratic programming problem that has exact mathematical solutions. Considering real world limits and conditions، the portfolio optimization problem is a mixed quadratic and integer programming problem for which efficient algorithms do not exist. Therefore، the use of meta-heuristic methods such as neural networks and evolutionary algorithms has been an important issue in the literature of portfolio optimization. This study considers the problem of finding the efficient frontier associated with the standard mean-variance portfolio optimization model and presents a heuristic algorithm based upon particle swarm optimization for finding the cardinality constrained efficient frontier. The test data set is the daily prices of 20 companies from March 2006 to September 2008 from the TEPIX in Iran. The results show that PSO is successful in constrained portfolio optimization to find the optimum solutions in all levels of risk and return
خلاصه ماشینی:
بهینه سازی پرتفوی سهام با استفاده از روش حرکت تجمعی ذرات رضا راعی ١، هدایت علی بیکی 2 مسئله بهینه سازی مارکویتز و تعیین مرز کارای سرمایه گذاری ، زمانی که تعداد دارایی های قابل سرمایه گذاری و محدودیت های موجود در بازار کم باشد، توسط مدل های ریاضی حل شـدنی است .
تعداد پژوهش ها و مطالعاتی کـه در زمینـه بهینـه سـازی پرتفـوی بـا اسـتفاده از تکنیـک بهینه سازی حرکت تجمعی ذرات انجام شده است ، به نسبت سایر روش های ترکیبـی بسـیار کمتر است .
1. Semi-variance فرناندز و گومز [٦] مدل مارکویتز را با افزودن محدودیت هـای حـد بـالا و پـایین بـرای متغیرها، اصلاح کردنـد و مـدل CCMV یـا «میـانگین ـ واریـانس بـا مؤلفـه هـای مقیـد١» را به وجود آوردند؛ که شکل عمومی این مدل به صورت زیر است : nn Min ∑ ∑xixjσij i=1j=1 n ∗ Subject to ∑i=1xiµi= R, (2) ∑in=1xi= 1, εi≤ xi≤ δi xi≥ 0 (i = 1, …, n) که εi و δi به ترتیب حد پایین و بالای متغیر i- ام (نسبت سهم i در سبد سرمایه گذاری ) می باشند.
در این پژوهش با هدف تشکیل پرتفوی بهینه و شناسایی مرز کارای سرمایه گذاری ، بـه بررسـی امکـان شناسـایی و تشـکیل پرتفـوی بهینـه توسط تکنیک فرا ابتکاری «بهینه سازی حرکت تجمعی ذرات یا PSO» پرداخته می شود.
در این مقاله از تکنیک PSO برای حل سه مدل بهینه سازی پرتفوی با محـدودیت هـای مختلف (به ترتیب از ساده به پیچیده ) استفاده می شود.