بررسی کارآمدی مدل های بهینه سازی الگوریتم ژنتیک چندهدفه و الگوریتم ازدحام ذرات تحت معیار ریسک ارزش در معرض خطر مشروط و میانگین نیم واریانس در تعیین سبد بهینه سهام

انتخاب سبد بهینه سهام تخصیص سرمایه در بین موقعیت های مختلف سرمایه گذاری در بازار سهام برای رسیدن به حداکثر بازده در سطح معینی از ریسک می باشد. این یک سبد کارا است.

روش شناسی پژوهش:

 روش دستیابی به یک سبد کارا مستلزم حل مسیله بهینه سازی می باشد. تکنیک و ابزارهای متعددی برای حل این مسیله وجود دارد. در این پژوهش با استفاده از روش نمونه گیری خوشه ای، تعداد 15 سهم از شرکت های پذیرفته شده در سازمان بورس اوراق بهادار تهران شامل نمادهای خپارس، خزامیا، وپاسار، فولاد، اخابر، کگل، فملی، تاپیکو، سپاها، فاذر، فخاس، شبهرن، شفن، قمرو و قثابت انتخاب شدند. ابتدا بازده این سهام به صورت روزانه در بازه زمانی 1394 - 1399 طی 5 سال به مدت 1183 روز محاسبه کرده و با استفاده از مدل های ریسک میانگین نیم واریانس و ارزش در معرض خطر مشروط، ریسک سبد بهینه سرمایه گذاری آنها محاسبه می شوند و این دو معیار از روش حل کلاسیک با هم مقایسه می شوند. سپس خروجی داده های به دست آمده از محاسبات با استفاده از نرم افزار متلب با معیار الگوریتم ازدحام ذرات تحت معیار ریسک میانگین نیم واریانس و الگوریتم ژنتیک تحت معیار ریسک ارزش در معرض خطر مشروط با هم مقایسه می شوند.

نتایج به دست آمده در این پژوهش نشان می دهد که روش فراابتکاری الگوریتم ازدحام ذرات در مقایسه با روش الگوریتم ژنتیک نسبت بازدهی سبد سهام بیشتری در معیار ریسک میانگین نیم واریانس را دارد.

اصالت / ارزش افزوده علمی: 

در این پژوهش جهت حداقل کردن مقدار تابع هدف با استفاده از معیار ارزش در معرض خطر مشروط و میانگین نیم واریانس از الگوریتم های ژنتیک چندهدفه و ازدحام ذرات که الگوریتم های هوشمند و جدیدی هستند، استفاده شده است که نسبت های بازدهی و ریسک سهام موجود در سبد سرمایه گذاری را با بالاترین دقت ممکن بهینه می نمایند. همچنین مقایسه کارآمدی این مدل ها با استفاده از نرم افزار متلب موضوع نوآوری را در این پژوهش را ایجاد کرده است.