کشف پرتفوی سهام بااستفاده از محدودیت کاردینال

تنوع روش های سرمایه گذاری و پیچیدگی تصمیم های مزبور در چند دهه اخیر، افزایش چشم گیری داشته است. این رشد گسترده، نیاز فزاینده ای به مدل های فراگیر و یکپارچه ایجاد کرد که برای پاسخگویی به این نیاز، مدل سازی مالی از پیوند رویکرد مالی و برنامه ریزی ریاضی به وجود آمده است. این مدل ها، از پیشرفت های برنامه ریزی ریاضی و مباحث مالی به موازات هم استفاده می کنند. هدف این پژوهش، ایجاد مدلی هوشمند برای انتخاب سبد بهینه سهام با استفاده از الگوریتم تکامل تفاضلی مقید بهبودیافته است. به این منظور، ریسک و بازده مورد انتظار شرکت های دارویی و سرمایه گذاری پذیرفته شده در بورس اوراق بهادار تهران، به صورت ماهیانه بررسی شده است. نمونه آماری پژوهش، شامل داده های مالی 32 شرکت دارویی و 28 شرکت سرمایه گذاری بورس ایران، طی سال های 1389 تا 1393 است. نتایج پژوهش نشان می دهد که الگوریتم به کاررفته، توانایی انتخاب سبد بهینه سهام را با درنظرگرفتن تعاملات بین ریسک و بازده دارد. ضمن آنکه براساس نتایج مکتسبه، تشکیل پرتفوی سهام متشکل از شرکت های دارویی، نسبت به شرکت های سرمایه گذاری، بهینه تر بوده است.