بهینه‌سازی پرتفوی ردیابی شاخص بر اساس بتای نامطلوب مبتنی بر الگوریتم‌های تکاملی

بهینه‌سازی سبد سهام همواره یکی از با اهمیت‌ترین مسائل در علوم مالی است. استراتژی‌های مختلفی برای مدیریت پرتفوی سبد سهام استفاده شده‎اند که به‎طور عمده می‎توان آنها را بر دو نوع فعال و غیرفعال دسته‎بندی کرد. یکی از مهم‌ترین رویکردهای مدیریت غیرفعال پرتفوی، تشکیل پرتفوی ردیاب شاخص است. به‎منظور تشکیل پرتفوی ردیاب شاخص از مدل‌ها و الگوریتم‌های مختلفی استفاده می‌شود. پژوهش پیش ‌رو به‎منظور بررسی عملکرد پرتفوی ردیاب شاخص با رویکرد نامتقارن و وارد کردن بتای نامطلوب در مدل ردیاب شاخص برای بهبود عملکرد آن است. به این منظور، ضمن به‎کارگیری سه مدل برای ردیابی شاخص، از دو الگوریتم تکاملی ژنتیک و تکامل دیفرانسیلی برای حل مدل مد نظر بهره برده شد. به‎منظور بررسی کارایی مدل نیز، از داده‌های بورس اوراق بهادار تهران استفاده شده است. نتایج در انتها نشان داد مدلی که بر مبنای بتای نامطلوب ارائه‎شده و توسط الگوریتم تکامل دیفرانسیلی حل شده است، کارایی بیشتری دارد.

Index Tracking Optimization under down Side Beta and Evolutionary Based Algorithms

Portfolio optimization is the one of most important problems in financial theory. Different strategies can be selected to manage the portfolio that include two kinds is called passive and active. Index tracking is one of most important passive approach. So, there are different models and algorithms to make index tracking portfolio. The aim of this research is analyze of down side beta in the index tracking portfolio. So, three models are presented. Then, to solve these models, evolutionary algorithms include genetic and deferential evolutionary algorithm is used. To show sufficiency of the models, Tehran stock exchange data are selected. Results show the model based down side beta with deferential evolutionary algorithm has higher efficiency Compared with two another models.