مقایسه عملکرد الگوریتم های تکاملی NSGAIIو SPEA2 در انتخاب پرتفولیوی بهینه در بورس اوراق بهادار تهران (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف: هدف این پژوهش، مقایسه عملکرد دو الگوریتم از الگوریتم های بهینه سازی تکاملی چندهدفه، شامل الگوریتم ژنتیک مرتب سازی نامغلوب (NSGAII) و الگوریتم تکاملی قدرت پارتو بهبودیافته (SPEA2) در دو رویکرد میانگین واریانس و میانگین نیمه واریانس برای انتخاب پرتفولیوی بهینه سهام در بورس اوراق بهادار تهران است. روش: این پژوهش با استفاده از داده های 241سهم در یک بازه زمانی 174 ماهه (از مهر 1385 تا پایان اسفند 1399) در بورس اوراق بهادار تهران صورت گرفته است. پس از طراحی الگوریتم های مدنظر و انتخاب پرتفولیوی بهینه بر اساس آن ها، با استفاده از نسبت شارپ و آزمون مقایسه میانگین ها، عملکرد این پرتفولیوها در مقاطع زمانی سه ماهه ارزیابی و مقایسه شدند. یافته ها: با انجام آزمون فرضیه، روی نسبت شارپ پرتفولیوهای تشکیل شده طبق الگوریتم های پژوهش، مشخص شد که الگوریتم SPEA2 نسبت به الگوریتم NSGAII عملکرد بهتری دارد. با انجام آزمون برگشت (بک تست) با داده های واقعی سه ماهه منتهی به پایان سال 1400 این یافته تأیید شد. همچنین نتایج حاصل از آزمون مقاومت، برتری الگوریتم SPEA2 به عنوان الگوریتم برتر در این پژوهش را نسبت به مدل سنتی مارکوویتز تأیید کرد. نتیجه گیری: نتایج این پژوهش نشان می دهد که الگوریتم SPEA2 نسبت به الگوریتم NSGAII در هر دو رویکرد میانگین واریانس و میانگین نیمه واریانس برای انتخاب پرتفولیوی بهینه عملکرد بهتری است.Performance Comparison of Non-Dominated Sorting Genetic Algorithm with strength Pareto evolutionary algorithm in Selecting Optimal Portfolios in Tehran Stock Exchange
Objective One of the most important issues for all investors, including individual and institutional investors in the stock market, is finding the optimal portfolio. Identifying the optimal portfolio in the stock market can be considered a two-objective optimization problem. This problem maximizes and minimizes the return and risk of the portfolio, respectively. Like other multi-objective optimization problems, the portfolio optimization problem can be solved by multi-objective evolutionary algorithms (MOEAs). Accordingly, the Non-dominated Sorting Genetic Algorithm ( ) and Strength Pareto Evolutionary Algorithm ( ), as the two advanced algorithms of multi-objective evolution algorithms, can be used to solve this problem. These algorithms identify the optimal solution by ranking and archiving solutions located on the Pareto frontier. The purpose of this research is to compare the performance of and in mean-variance and mean-semi-variance approaches to identify the optimal stock portfolio.
Methods This research investigated 241 stocks enlisted on the Tehran Stock Exchange (TSE). It was conducted within 174 months from September 2006 to March 2019. The researchers first identified the optimal portfolio using NSGAII and SPEA2 algorithms through two approaches including mean-variance and mean-semi-variance. Then, by conducting a statistical hypothesis test on the average Sharp ratio of extracted portfolios, the performance of NSGAII and SPEA2 algorithms were compared. To confirm the research findings, a robustness test was done by comparing the performance of the SPEA2 algorithm with the traditional Markowitz model. Also, to ensure the stability of research findings, the performance of two algorithms in the mean-variance and mean-semi variance approaches were compared with quarterly data ending March 2022.
Results According to the obtained results, the SPEA2 algorithm has better performance than the NSGAII algorithm in both approaches. Backtesting the real data for the quarter ending inMarch 2022 confirmed the findings of the present study. Also by doing robustness tests, the researchers found the SPEA2 algorithm as the superior algorithm in this research with better performance than Markowitz's basic model.
Conclusion The results indicated that the 2 algorithm has better performance in selecting the optimal portfolio than the algorithm in both the mean-variance and mean-semi variance approaches. Regardless of how the stock returns are distributed, this study recommends that individual and institutional investors use the SPEA2 algorithm to determine the optimal portfolio arrangement.
تبلیغات
