بهینه سازی پرتفوی سهام با استفاده از رویکرد قابلیت اطمینان

هدف این پژوهش بهینه‌سازی پرتفوی سهام با در نظر گرفتن بازده احتمالی و تابع مطلوبیت سرمایه‌گذار در بورس اوراق بهادار تهران می‌باشد. بدین منظور از یک الگوریتم بازگشتی و دو مرحله‌ای استفاده شده است و یک تابع مطلوبیت به عنوان تابع عمومی الگوریتم احتمالی در نظر گرفته شده است. در این پژوهش با توجه به لیست 50 شرکت فعال که بطور فصلی توسط سازمان بورس اوراق بهادار اعلام و در طی بازه زمانی سال 1390 تا 1394 منتشر شده است، شرکت‌های برتر انتخاب شدند. با در نظر گرفتن بازدهی شرکت‌ها در دوره زمانی پنج ساله، بردار بازده و ماتریس کوواریانس تعیین و پس از حل الگوریتم پیشنهادی، پرتفوی بهینه ارائه شد. این پرتفوی، شامل سهام هفت شرکت ایران ترانسفو با وزن 0.15، بانک اقتصاد نوین با وزن 0.1، سایپا با وزن 0.15، سرمایه‌گذاری غدیر با وزن 0.15، فولاد مبارکه اصفهان با وزن 0.15، مخابرات ایران با وزن 0.15 و ملی صنایع مس ایران با وزن 0.15 می‌باشد. در این پژوهش کیفیت جواب الگوریتم پیشنهادی با داده‌های واقعی دوره بعد مورد مقایسه قرار گرفته است. نتایج پژوهش نشان از قدرت بالای الگوریتم دارد و روش ارائه شده تخصیص سرمایه را به شکل مناسبی انجام می‌دهد.

Stock portfolio optimization using reliability approach

The aim of this study is to optimize stock portfolios by considering uncertain returns and the investment’s utility function in the Tehran Stock Exchange. For this purpose, a twostage recursive algorithm and a utility function have been used. Securities are selected according to the list of 50 most active companies that was published by the Securities and Exchange Organization per season between the years 1390 to 1394. Considering the returns in this fiveyear period, the returns vector and covariance matrix are determined and after modeling the optimal portfolio is presented. The results show that the optimal portfolio includes: Iran Transfo (0.15), Eghtesad Novin Bank (0.1), Saipa (0.15), Ghadir Investment Company (0.15), Foolad Mobarakeh Esfahan (0.15), Mokhaberat Iran (0.15) and Meli Sanaye Mess Iran (0.15). The quality of the results is compared with real returns in the following year (1395). The results show the high accuracy of the algorithm.