مقایسه الگوریتم ژنتیک و علف های هرز در بهینه سازی پرتفوی و مقایسه مدل AR غیرخطی و میانگین ساده در پیش بینی بازده مورد انتظار

در این مطالعه، به بررسی و مقایسه عملکرد الگوریتم ژنتیک و علف های هرز در بدست آوردن مرزکارا مدل میانگین نیم واریانس مقید پرداخته می شود. و همچنین دو روش AR غیرخطی و میانگین ساده 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 01/04/95 مورد استفاده قرار گرفته است. نتایج نشان می دهد که الگوریتم علف های هرز 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 مدل AR مرتبه دوم 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..