بهينه‏سازي سبد ‏سهام با رويكرد ميانگين‌ـ ‏واريانس و با استفاده از ‌الگوريتم فراابتكاري جست‌وجوي شكار

Portfolio Optimization with Mean-Variance Approach Using Hunting Search Meta-Heuristic Algorithm

اين مقاله، يك راه حل فراابتكاري جديد براي حل مسيله جست‌وجوي افق كارا با رويكرد ميانگين‌ـ واريانس ارايه مي‏دهد. مسيله بهينه‌سازي سبد سهام، كوآدراتيك است و با افزايش تعداد دارايي‏ها و محدوديت‏ها، به ان‏پي‌‏سخت تبديل شده است و نمي‏توان با روش‏هاي مرسوم رياضي در زمان معقول آن را حل كرد. از‌اين‌رو، از روش‏هاي ابتكاري و فراابتكاري به‌منزله راهكاري مناسب استفاده مي‏شود. اين مقاله به بهينه‏سازي سبد سهام به كمك الگوريتم فراابتكاري جديدي با نام جست‌وجوي شكار مي‏پردازد. به‌منظور بررسي قدرت و دقت حل الگوريتم، مطالعه‌اي موردي با اطلاعات 30 شركت بزرگ در بورس ايران در بازه زماني 1/3/1389 الي 1/3/1390 طراحي شد. الگوريتم توانست با دقت و زمان خوبي مرز كاراي سبد بررسي‌شده را به دست آورد. به‌منظور بررسي توانمندي الگوريتم، دو مثال معتبر Hang Sang 31 و Dax100 نيز با الگوريتم حل شد. نتايج نشان مي‏دهند كه الگوريتم جست‌وجوي شكار، براي حل مسايل بهينه‏سازي سبد سهام، سرعت و دقت بالايي دارد و مي‏تواند براي حل مسيله جست‌وجوي مرز كاراي سبد سهام استفاده شود.

This paper presents a new meta-heuristic solution to find the efficient frontier using the mean-variance approach. Portfolio optimization problem is a quadratic programming model, so it changes to NP-hard if the number of assets and constraints is increased, and it cannot be solved using common mathematical methods in a reasonable time. Therefore, a heuristic or meta-heuristic algorithm should be used as the most appropriate solution. This paper optimizes portfolio using a new meta-heuristic algorithm called hunting search algorithm. To determine the strengths and precision of the proposed algorithm, a case study is designed using Iran Stock Market data from May 22, 2010 to May 22, 2011 for thirty big companies. The proposed algorithm finds the efficient frontier precisely and in timely manner. To determine abilities of the algorithm, two verified examples, Hang Sang 31 and Dax100 are also solved with it. The results show that hunting search algorithm has a high speed and high accuracy in order to solve portfolio optimization problems, and it can be used to find the efficient frontiers in various portfolio optimization problems.