الهه گهرنیا

هدف: هدف اصلی این پژوهش، بهینه سازی سبد سهام با استفاده از الگوریتم ریاضی نقطه درونی و استفاده از این الگوریتم در حل مسئله بهینه سازی پرتفوی چندهدفه است. روش: داده های این پژوهش، قیمت پایانی روزانه شرکت های فعال بورس اوراق بهادر تهران بود که در انتهای سال ۱۴۰۰، برای محاسبه شاخص ۵۰ شرکت برتر استفاده شد. از آنجا که دوره زمانی مورد مطالعه، سال های ۱۳۹۰ تا ۱۴۰۰ بود، از بین ۵۰ شرکت یادشده، فقط ۳۳ شرکت که در طول دوره بررسی داده های آن ها در دسترس بود، باقی ماند. برای بهبود مدل بهینه سازی نیز از الگوریتم ریاضی نقطه درونی استفاده شد. ریسک سرمایه گذاری در این مدل با معیار GlueVaR محاسبه شد و نتایج به دست آمده از حل مدل با سایر معیارهای اندازه گیری ریسک، همچون واریانس، ارزش در معرض ریسک (VaR) و ارزش در معرض ریسک شرطی (CVaR) نیز مقایسه شد. یافته ها: بر اساس یافته های پژوهش، در مدل بهینه سازی پرتفوی با معیار سنجش ریسک GlueVaR و الگوریتم بهینه سازی نقطه درونی، در قیاس با دیگر معیارهای ریسک واریانس، ارزش در معرض ریسک (VaR) و ارزش در معرض ریسک شرطی (CVaR)، در یافتن مرز کارا عملکرد بهتری را نشان می دهد. همچنین الگوریتم نقطه درونی در حل مسائل بهینه سازی دفعات تکرار کمتری را در یافتن نقطه بهینه از خود نشان می دهد که این خود دلیلی بر قوی بودن این الگوریتم است. نتیجه گیری: نتایج حاضر نشان می دهد که الگوریتم نقطه درونی قابلیت دارد که برای حل مسائل بهینه یابی سبد سهام استفاده شود و همچنین، معیار سنجش ریسک GlueVaR در مقایسه با معیارهای سنجش ریسک VaR، واریانس و CVaR می تواند برای بیشتر اشخاص با ترجیحات بازده و ریسک متفاوت، عملکرد بهتری داشته باشد.