بهينه‌سازي پرتفوي متشكل از سهام صندوق‌هاي سرمايه‌گذاري مشترك بورس اوراق بهادار تهران با رويكرد الگوريتم ژنتيك

Optimization of portfolio Constituted from mutual funds of Tehran stock exchange using genetic algorithm

گسترش و پيچيدگي روزافزون بازارهاي مالي، تصميم‌گيري در خصوص انتخاب نوع دارايي را براي سرمايه‌گذاران دشوار نموده است؛ از سويي بر اساس نظريه مدرن پرتفوي، متنوع سازي سرمايه گذاري ها مي‌تواند منجر به كاهش نوسان ها در عين حفظ متوسط بازده گردد. همچنين با توجه به پيچيده شدن و سرعت عوامل تاثيرگذار، تشكيل پرتفوي بهينه با روش‌هاي سنتي كار دشواري است. هدف اين پژوهش بهينه‌سازي پرتفوي متشكل از سهام صندوق‌هاي سرمايه‌گذاري مشترك با استفاده از الگوريتم ژنتيك و مقايسه آن با روش سنتي مي‌باشد و همچنين تاثير اندازه سبد سرمايه گذاري نيز مورد بررسي قرار گرفته است. براي اين منظور، داده هاي 30 صندوق سرمايه گذاري مشترك فعال در بازار سرمايه ايران در طي سال هاي 1389 الي 1391 گردآوري شده است. نتايج حاكي از آن است كه الگوريتم ژنتيك مي‌تواند جهت انتخاب سبد متشكل از سهام صندوق هاي مشترك به كار رود و با استفاده از آزمون زوجي مشخص شد كه سبدهاي تشكيل‌شده با استفاده از الگوريتم ژنتيك نسبت به روش سنتي مطلوب‌تر مي باشند. همچنين اندازه سبد تاثير چنداني بر نتايج نداشته و در تمام سطوح، الگوريتم ژنتيك داراي عملكرد بهتري است. ضمناً هرچه تنوع سبد تشكيل‌شده بيشتر و بزرگ‌تر باشد، برتري عملكرد الگوريتم ژنتيك بر روش خطي قابل‌ملاحظه‌تر مي شود.

Expansion and growing complexity of financial markets, makes difficult Choosing assets for investors; Meanwhile, based on portfolio theory, diversification, while maintaining average returns, leads to lower fluctuations. Also, due to the complexity and speed of effective factors, constitution of optimal portfolio with Using traditional methods is difficult. This study is aimed at optimizing the portfolio consists of shares of mutual funds using genetic algorithm and comparing it with the traditional approaches and the impact of portfolio size has also been studied. For this purpose, the data of 30 mutual funds in the Iranʹs stock market from 2011 till 2013 are collected. Results indicate that genetic algorithms can be used to select a portfolio of shares of mutual funds. Using paired t-test determined that using genetic algorithms in portfolio selection is better than traditional methods. Also, the size of the portfolio did not influence the results and at all level, the genetic algorithm has better performance. Meanwhile, the larger and more diversified portfolio, genetic algorithm performance advantage over linear methods is more significant