بهينه سازي سبد سهام با استفاده از الگوريتم ازدحام ذرات در تعاريف مختلف اندازه گيري ريسك

Portfolio Optimization Problem in Different Risk Measures Using Particle Swarm Optimization

اين مقاله از الگوريتم ازدحام ذرات براي بهينه‌‌يابي سبد دارايي ماركوويتز با توجه به معيارهاي متفاوت اندازه‌گيري ريسك يعني ميانگين واريانس، ميانگين نيم- ‌واريانس و ميانگين قدر مطلق انحرافات و همچنين محدوديتهاي موجود در بازار واقعي مانند "اندازه ثابت تعداد سهام" و "محدوديت خريد" استفاده كرده است. براي بررسي قابليت حل اين مسايل به كمك اين الگوريتم، از داده‌هاي واقعي 186 شركت در بورس اوراق بهادار تهران در فاصله زماني تير 1385 تا تير 1390 استفاده شده‌است. نتايج به دست آمده از اين پژوهش حاكي از عملكرد موفق الگوريتم PSO در محاسبه مرز كاراي ماركوويتز در تعاريف مختلف اندازه گيري ريسك است.

In this paper, Particle Swarm Optimization (PSO) is employed to optimize Markowitz portfolio based on different risk measurement criteria, namely, mean-variance, semi-variance and mean absolute deviation considering constraints of real markets such as "fixed stock numbers" and "cardinality constraints". To investigate the efficiency of the proposed algorithm, the data obtained from 186 companies of Tehran Stock Exchange in duration of Tir of 1385 until Tir of 1390 are used. The obtained results demonstrate the efficiency of PSO as a promising method in calculating appropriate constraint of Markowitz based on different definitions of risk measurement.