انتخاب سبد سهام فازی با استفاده از الگوریتم هوشمند ترکیبی با در نظر گرفتن ریسک نامطلوب

مطالعات تجربی نشان می‌دهد بازده دارایی‌ها نرمال و متقارن نمی‌باشد، بنابراین واریانس نمی‌تواند به‌درستی به‌عنوان معیار ریسک مناسب مورداستفاده قرار گیرد. در این پژوهش بازده دارایی‌ها به‌عنوان یک عدد فازی در نظر گرفته‌شده است و از معیار ریسک نامطلوب، نیمه واریانس و نیمه قدر مطلق انحراف از میانگین به‌عنوان معیار ریسک استفاده‌شده است. در ادامه به‌منظور حل مدل‌های مذکور از دو روش هوشمند ترکیبی بر مبنای الگوریتم ژنتیک و الگوریتم تکامل دیفرانسیلی برای بهینه‌سازی پرتفوی استفاده‌شده و در انتها با استفاده از معیار عملکرد اقتصادی مورد مقایسه قرار گرفته‌شده است. به‌منظور نشان دادن کارایی مدل‌ها از داده‌های بورس اوراق بهادار تهران استفاده شد. یافته‌ها نشان دادند که فقط استفاده از معیار نیمه‌قدرمطلق انحراف از میانگین در حالت استفاده از الگوریتم تکامل دیفرانسیلی کارایی بیشتری دارد و همچنین استفاده از روش هوشمند ترکیبی بر مبنای الگوریتم تکامل دیفرانسیلی در دو مدل کارایی بالاتری نسبت به روش هوشمند ترکیبی بر مبنای الگوریتم ژنتیک دارد.

Fuzzy portfolio selection under down risk measure by hybrid intelligent algorithm

Portfolio optimization is one of more important problems in financial area. The classic model consider that stocks is random variable with symmetric probability density function. But in real world, forecasting stock condition always faced with uncertainty and we need insert human factors in our forecasting. Fuzzy logic is one of methods that we can use this to model this condition. On other hand, experimental studies show that assets return isn’t normal and symmetric, so we should use down risk measure such as semi variance and semi absolute deviation.  In this research we consider two point in portfolio selection problem. Then we use two intelligent method based genetic and deferential evolutionary algorithm for solving the models. Making use of Tehran Stock Exchange data, it is concluded that considering semi absolute deviation has higher efficiency than semi variance model and intelligent method based deferential evolutionary algorithm has higher efficiency from intelligent method based genetic algorithm.