بهینه‌سازی سبد سهام با استفاده از الگوریتم رقابت استعماری (ica) و الگوریتم ازدحام ذرات (pso) تحت معیار ریسک ارزش در معرض خطر مشروط (cvar)

انتخاب سبد سهام یک مبحث ویژه در حوزه‌ی سرمایه‌گذاری است. با توجه به گستردگی انتخاب‌ها در بازار سهام یکی از دغدغه‌های مهم مجموعه‌های سرمایه‌گذاری تخصیص بهینه‌ی دارایی‌هاست. ازاین‌رو اغلب این مجموعه‌ها از مدل‌های انتخاب سبد استفاده می‌کنند. ارزش در معرض خطر مشروط که یکی از مدل‌های انتخاب سبد است از برنامه‌ریزی درجه دوم تبعیت می‌کند. با توجه به اینکه برنامه‌ریزی درجه دوم نیازمند محاسبات وسیعی است، استفاده از الگوریتم‌های فرا ابتکاری در حل این مسائل سرعت و دقت محاسبات را افزایش می‌دهند. هدف این پژوهش حداقل سازی ارزش در معرض خطر مشروط با استفاده از دو الگوریتم رقابت استعماری و ازدحام ذرات است. ازاین‌رو با استفاده از داده‌های 800 روز از 12 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران در بازه زمانی 92/2/5 تا 98/1/28 به تشکیل سبد پرداخته شد و وزن مربوط به هر سهم در سبد بهینه و میزان ریسک و بازدهی سبدها با استفاده از نرم‌افزار matlab2018 محاسبه شد. سپس با استفاده از امکانات نرمافزار spss به آزمون میانگین تفاوت بین ریسک و بازدهی دو الگوریتم پرداخته شد. نتایج نشان داد که ریسک و بازدهی دو الگوریتم ازنظر آماری تفاوت معناداری ندارند، اما الگوریتم رقابت استعماری در زمان کوتاه‌تری به جواب بهینه می‌رسد.

Stock portfolio optimization using Imperialist Competitive Algorithm (ICA) and Particle Swarm Optimization (PSO) under Conditional Value at Risk (CVaR)

The choice of stock portfolio is a special issue in the field of investment. Given the wide range of options in the stock market, one of the major concerns of investment groups is the optimal allocation of assets. Therefore, most of these collections use portfolio selection models. The conditional value at Risk, which is one of the models of portfolio selection, follows the Quadratic Programming. Given that Quadratic Programming requires extensive computations, the use of metaheuristic algorithms in solving these problems increases the speed and accuracy of computations. The aim of this study is to minimize the Conditional Value at Risk by using two algorithms of Imperialist Competitive Algorithm and Particle Swarm Optimization. Therefore, using 800 days of data from 12 companies listed on the Tehran Stock Exchange in the period of 2/5/92 to 1/28/98, portfolio has been formed, and the weight of each stock in the optimal portfolio and the risk and return of the portfolio has been calculated using MATLAB2018 software. Then, using SPSS software, the average difference between risk and return of the two algorithms was tested.The results showed that the risk and return of the two algorithms were not statistically significant,.