بهینه سازی سبد سهام به کمک الگوریتم فراابتکاری دسته های میگو با استفاده از معیارهای مختلف از ریسک در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
منبع:
تحقیقات مالی دوره ۲۰ زمستان ۱۳۹۷ شماره ۴
409 - 426
حوزه های تخصصی:
هدف: بهینه سازی سبد سهام از مهم ترین مسائل سرمایه گذاری است. نخستین بار، هری مارکوویتز، ریسک را در این مسئله به کار برد. پس از آن، این موضوع از جنبه های مختلف از جمله معیارهای گوناگون ریسک، روش های بهینه سازی و در نظر گرفتن هزینه معاملات مورد بررسی گرفته است. در این پژوهش سعی بر این است که روش فراابتکاری دسته های میگو در بهینه سازی سبد سهام استفاده گردد و مزایای احتمالی آن بر شمرده شود. روش: در این پژوهش تلاش شده است به کمک الگوریتم جدید دسته های میگو، مسئله بهینه سازی سبد سهام حل شده و مرز کارا محاسبه شود. همچنین ریسک با سه معیار واریانس، نیم واریانس و ریزش مورد انتظار بررسی شده است. داده های این پژوهش، بازده های تعدیل شده سهام 50 شرکت فعال تر بورس از تاریخ 01/07/1391 تا 31/06/1396 است. یافته ها: در ابتدا مرزهای کارای پرتفوهای بهینه بر اساس معیارهای ریسک واریانس، نیم-واریانس و ریزش مورد انتظار رسم شده است. شباهت تقریبی سه مرز کارا، نشان از ثبات الگوریتم در یافتن آن دارد. سپس نسبت های شارپ به دست آمده از روش دسته های میگو با روش های رقابت استعماری و تجمعی ذرات مقایسه شده و مشاهده می شود که نسبت به آن ها ارجحیت دارد. نتیجه گیری: الگوریتم دسته های میگو در یافتن مرز کارا و پرتفوهای بهینه در مقایسه با سایر الگوریتم های مرسوم عملکرد بهتری داشته و می توان آن را جایگزین این روش ها کرد و به نتایجی مطلوب تر دست یافت.