مقایسه اثر روش‌های بهینه‌یابی و برآورد بازده مورد انتظار بر سبد بهینه سهام

در این مقاله نتایج دو روش بهینه‌سازی‌‌ سبد سهام (روش متعارف کلاسیک و فراابتکاری ژنتیک) با استفاده از دو روش برآورد نرخ‌ها‌ی بازده مورد انتظار (شبکه‌ها‌ی عصبی و میانگین بازده تاریخی) در مدل مارکویتز با هم مقایسه شده‌اند. بازار سرمایه مورد مطالعه در این تحقیق بورس اوراق بهادار تهران با داده‌ها‌ی هفتگی شهریور 1389 تا شهریور 1390 است. نتایج نشان می‌دهند با اینکه دو روش کلاسیک و ژنتیک وزن‌ها‌ی مختلفی برای تشکیل سبد سرمایه‌گذاری توصیه می‌کنند، ترکیب آن‌ها سطح ریسک و بازده تقریباً یکسانی دارند. با توجه به اینکه حل مسایل با ابعاد خیلی بزرگ با روش کلاسیک مشکل و زمان‌بر است، الگوریتم ژنتیک روش جایگزین مناسبی برای حل مدل‌ها‌ی پیچیده تشکیل سبد سهام است. بازده حاصل از سبد سهام برای چهار زمان پیش‌بینی با استفاده از بازده‌ها‌ی مورد انتظار شبکه عصبی و میانگین بازده تاریخی نشان می‌دهد، روش شبکه عصبی در 3 ماه ابتدایی بهتر از روش میانگین بازده تاریخی عمل کرده است. طبقه‌بندی jel: g2، c6، c88. کلیدواژه‌ها: الگوریتم ژنتیک، بهینه‌‌سازی سبد سهام، شبکه عصبی، مدل مارکویتز