بررسي كاربرد الگوريتم ابتكاري - تركيبي ژنتيك و نِلدر- ميد در بهينه‌سازي پورتفوي

بررسي كاربرد الگوريتم ابتكاري - تركيبي ژنتيك و نِلدر- ميد در بهينه‌سازي پورتفوي

همچنان مدل پورتفوي ماركويتز در حرفه و مباحث علمي سرمايه‌گذاري، رويكرد غالب است. در قياس با رشد روزافزون استفاده از پورتفوي‌ها و با وجود ادبيات غني آن، همچنان مشكل‌ها و سوال‌هاي بي‌پاسخ فراواني در اين‌باره وجود دارد. چگونگي انتخاب پورتفوي، از جمله مسايل بحث‌برانگيز است. انتخاب روش بهينه‌سازي پورتفوي نيز، يكي از مهم‌ترين زيرشاخه‌هاي اين مقوله است. هدف اين پژوهش، ارايه ابزاري مفيد و كارآمد براي كمك به متخصصان حوزه مالي در عمل و همچنين محققان مالي در تيوري انتخاب پورتفوي است. اين پژوهش، علاوه بر بررسي روش‌هاي كلاسيك و ابتكاري در بهينه‌سازي، الگوريتم‌هاي ابتكاري را با يكديگر تركيب كرده و آن را بر مسيله بهينه‌سازي پورتفوي در بورس اوراق بهادار تهران بين سي و پنج شركت از پنجاه شركت برتر بازار، اعمال مي‌كند. نتايج تحقيق نشان مي‌دهد كه تركيب الگوريتم‌هاي ژنتيك و نِلدر ? ميد با مسيله بهينه‌سازي پورتفوي به‌خوبي سازگاري دارد و در مقايسه با كاربرد جداگانه الگوريتم ژنتيك، تركيب با سرعت همگرايي بهتر به پاسخ بهينه و ريسك ? بازدهي مناسب‌تر، عملكرد بهتري را دارد. همچنين نتايجِ مقايسه پورتفوي‌هاي روش تركيبي نشان مي‌دهد كه اگرچه سرعت همگرايي و تنوع‌بخشي پورتفوي اطلاعات ماهانه، بيشتر از پورتفوي سالانه است؛ اما عملكرد ريسك ? بازدهي پورتفوي اطلاعات سالانه، بهتر از پورتفوي ماهانه است.

Markowitz portfolio model still is the dominant approach in the investment profession and scientific approaches. Contrary to the growing use of portfolios and in spite of the rich literature on the subject, there are some problems and unanswered questions. How to select the stocks of a portfolio is a matter of controversy; besides, the approach to optimize the selected potfolio is a sub-group of this controversy. The aim of this work is to be a useful instrument for helping finance practitioners and researchers with the portfolio selection problem. While investigating major methods ever used in optimization, classics and heuristics, a hybridized algorithm, consisting of the combination of two heuristic algorithms, is applied to the portfolio selection problem in this paper. Portfolios are selected and optimized in Tehran stock exchange for the stocks of top 35 companies out of top 50 companies. The results indicate that the hybridized algorithm is adaptable to the portfolio selection problem, and in contrast to optimization via genetic algorithm, the hybridized algorithm holds a better convergence speed and owns a more reasonable risk-return performance. The research findings also show that in a comparison between the hybrid-based constructed portfolios, although the convergence speed and degree of diversification for the monthly selected portfolio outperforms the other one, the annual selected portfolio holds a better performance from risk-return point of view.