مقایسه شبکه عصبی، سیستم فازی عصبی و مدل AR در پیش-بینی بازده اوراق بهادار و الگوریتم جستجوی موجودات همزیست با ممتیک آن در بهینه سازی پرتفوی

در این مطالعه، به بررسی و مقایسه عملکرد الگوریتم جستجوی موجودات همزیست و ممتیک جستجوی  موجودات همزیست در بدست آوردن مرزکارا مدل میانگین نیم واریانس مقید پرداخته می شود. و همچنین سه روش AR خطی شبکه عصبی و سیستم فازی عصبی در بدست آوردن بازده مورد انتظار، مورد مقایسه قرار می گیرند. در این مطالعه از 23 سهم فعال تر بازار استفاده می شود که بازده آنها از تاریخ 01/04/93 تا 01/12/95 مورد استفاده قرار گرفته است. نتایج نشان می دهد که الگوریتم ممتیک جستجوی موجودات همزیست برخلاف استفاده از زمان بیشتر، توانسته عملکرد بهتری را به نمایش بگذارد و همچنین، مقایسه روش های پیش بینی بازده مورد انتظار نشان می دهد که سیستم فازی عصبی توانسته با خطای کمتری بازده مورد انتظار را پیش بینی نماید. در نهایت، با مقایسه مرزکارای پیش بینی شده و مرزکارای واقعی، به این نتیجه می رسیم که مدل پیش بینی مورد نظر در ریسک های کمتر پیش بینی بهتری انجام داده است که در آن ناحیه می توان با اطمینان بیشتری نسبت به تخصیص دارایی ها اقدام نمود.