کاربرد الگوریتم های تبرید شبیه سازی شده و ژنتیک در تشکیل صندوق شاخصی

هدف از این مطالعه تشکیل صندوق شاخصی با استفاده از الگوریتم های تبرید شبیه سازی شده و ژنتیک می باشد. صندوق های شاخصی پرتفوی هایی هستند که طوری طراحی می شوند که از طریق سرمایه گذاری در تعداد معدودی از اقلام تشکیل دهنده شاخص بتوانند ضمن کاهش هزینه های معاملاتی بازدهی نزدیک به بازده بازار را ایجاد نمایند. در این پژوهش به دنبال بررسی رابطه میان خطای ردیابی و تعداد سهام تشکیل دهنده صندوق هستیم. همچنین عملکرد الگوریتم تبرید شبیه سازی شده را در مقایسه با الگوریتم ژنتیک در تشکیل صندوق شاخصی می سنجیم. در این پژوهش برای انتخاب سهام هایی که بیش ترین تاثیر را بر شاخص می گذارند از یک تابع اولویت استفاده خواهد شد، سپس با استفاده از الگوریتم های فرا ابتکاری وزن های بهینه این سهم ها را به دست خواهیم آورد. نتایج حاصل نشان می دهد که هر چه تعداد سهام صندوق بیشتر باشد خطای ردیابی کاهش می یابد. بررسی ها دقت بالا و عملکرد برتر صندوق شاخصی ایجادشده توسط الگوریتم ژنتیک را در مقایسه با الگوریتم تبرید شبیه سازی شده به اثبات رسانید. به منظور ایجاد این صندوق از سهام شرکت های موجود در بورس اوراق بهادار تهران استفاده خواهد شد.