داریوش آدینه وند

انتخاب سبدسهام بهینه به عنوان مسئله ای مهم در اقتصاد مطرح است. تکنیک و ابزارهای متعددی برای حل مساله سبد بهینه سهام وجود دارد. در این پژوهش داده های 15 سهام از شرکت های پذیرفته شده در بورس اوراق بهادار تهران شامل نمادهای؛ خپارس، خزامیا، وپاسار، فولاد، اخابر، کگل، فملی، تاپیکو، سپاها، فاذر، فخاس، شبهرن، شفن، قمرو و قثابت با روش نمونه گیری خوشه ای و حذف سیستماتیک انتخاب شدند. ابتدا بازده این سهام بصورت روزانه در بازه زمانی 31/3/1394-31/3/1399 طی 5 سال به مدت 1183 روز محاسبه گردید. سپس با استفاده از مدلهای ریسک "میانگین-نیم واریانس، ارزش در معرض خطر مشروط، ریسک سبد سرمایه گذاری آنها محاسبه می-شوند. و این دو معیار از روش حل کلاسیک با هم مقایسه می شوند. خروجی بهینه سازی سبد با هر یک از این ریسک ها وزن متفاوتی از هر سهم را نشان می دهد. سپس مدل های ریسک میانگین-نیم-واریانس و ارزش در معرض خطر مشروط از روش فرا ابتکاری الگوریتم ژنتیک چند هدفه با هم مقایسه می شوند. نتایج حاکی از آن است که روش الگوریتم ژنتیک چند هدفه در مقایسه با روش کلاسیک بازدهی سبد بیشتری در معیار میانگین-نیم واریانس به نمایش گذاشت. لذا روش بهتری برای بهینه سازی سبد سهام می باشد.

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 ارائه 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 زمانی31/3/1394-31/3/1399 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 ریسکMSV و الگوریتم ازدحام ذرات تحت معیار ریسکCVaR 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.