ارائه الگوی بهینه سبد سهام از طریق محدودیت تسلط تصادفی و کاهش ریسک گریزی مطلق

برنامه نویسی تصادفی هنگامی که یک توصیف احتمالی دقیق یعنی مقادیر دقیق پارامترهای سیستم و توزیع احتمال خاص برای متغیرهای تصادفی در دسترس است، خود را به عنوان یک ابزار مدل سازی قدرتمند نشان داده است. با این حال، چنین اطلاعاتی در عمل به ندرت در دسترس است. در چنین شرایطی دو روش اصلی برای مقابله با ابهامات وجود دارد. یکی از طریق تقریبی نمونه متوسط (SAA) همچنین به عنوان روش مونت کارلو شناخته شده است، جایی که SAA از مقدار مورد انتظار عملکرد زیربنایی با استفاده از داده های تجربی ساخته می شود. پژوهش حاضر با هدف ارایه الگوی بهینه سبد سهام از طریق محدودیت تسلط تصادفی و کاهش ریسک گریزی مطلق انجام شد. نمونه آماری بورس اوراق بهادار و نوع داده های گردآوری شده از آن سری زمانی تغییرات و تغییرات  تجمعی شاخص کل بورس اوراق بهادار تهران در سال 1390 تا 1400 است. سبد سهام براساس اطلاعات 50 شرکت مورد بررسی قرار گرفته است. در ابتدا این داده ها مورد بررسی قرار می گیرند، سپس الگوریتم های مورد نظر طراحی شده و مدل براساس شرایط و ازمون های لازم مورد تجزیه و تحلیل قرار می گیرد. کارایی براساس ازمون های معیار شارپ، معیار ترینر، معیار سورتینو و معیار امگا مورد ارزیابی قرار می گیرد. در ادامه سبد سهام مورد بررسی براساس فروض اولیه تعیین شده و براساس بازدهی شرکت ها مورد الگوسازی و سنجش قرار می گیرند.