بررسی کارآمدی مدل های بهینه سازی فرا ابتکاری الگوریتم ژنتیک چندهدفه تحت معیار ریسک MSV و الگوریتم ازدحام ذرات تحت معیار ریسک CVaR در تعیین سبد سهام شرکت های پذیرفته شده در سازمان بورس اوراق بهادار

انتخاب سبد سهام بهینه از اهداف اصلی مدیریت سرمایه است. امروزه ابزارها و تکنیک های متعددی برای اندازه گیری ریسک سبد سرمایه گذاری و انتخاب سبد سهام بهینه ارایه شده است. در این مقاله، با استفاده از داده های 15 سهم که با روش نمونه گیری هدفمند از شرکتهای برتر سازمان بورس اوراق بهادار تهران انتخاب شده اند که شامل خپارس، خزامیا، وپاسار، فولاد، اخابر، کگل، فملی، تاپیکو، سپاها، فاذر، فخاس، شبهرن، شفن، قمرو و قثابت هستند، ابتدا بازده این سهام بصورت روزانه در بازه زمانی 31/3/1394-31/3/1399 طی 5 سال به مدت 1183 روز محاسبه می شوند و سپس با استفاده از نرم افزار متلب مدل های بهینه سازی فرا ابتکاری الگوریتم ژنتیک چند هدفه تحت معیار ریسک MSV و الگوریتم ازدحام ذرات تحت معیار ریسک CVaR با هم مقایسه می شوند. نتایج نشان می دهد که مدل الگوریتم ژنتیک چند هدفه تحت معیار ریسک MSV دارای بازده بیشتر و ریسک کمتری می باشد، در نتیجه مدل الگوریتم ژنتیک تحت معیار ریسک MSV از مدل الگوریتم ازدحام ذرات تحت معیار ریسک CVaR کارآمدتر می باشد.