بررسی کارآمدی مدل‌های بهینه‌سازی الگوریتم ژنتیک چندهدفه و الگوریتم ازدحام ذرات تحت معیار ریسک ارزش در معرض خطر مشروط و میانگین نیم واریانس در تعیین سبد بهینه سهام

هدف: انتخاب سبد بهینه سهام تخصیص سرمایه در بین موقعیت‌های مختلف سرمایه‌گذاری در بازار سهام برای رسیدن به حداکثر بازده در سطح معینی از ریسک می‌باشد. این یک سبد کارا است.روش‌شناسی پژوهش: روش دستیابی به یک سبد کارا مستلزم حل مسئله بهینه‌سازی می‌باشد. تکنیک و ابزارهای متعددی برای حل این مسئله وجود دارد. در این پژوهش با استفاده از روش نمونه‌گیری خوشه‌ای، تعداد 15 سهم از شرکت‌های پذیرفته‌شده در سازمان بورس اوراق بهادار تهران شامل نمادهای خپارس، خزامیا، وپاسار، فولاد، اخابر، کگل، فملی، تاپیکو، سپاها، فاذر، فخاس، شبهرن، شفن، قمرو و قثابت انتخاب شدند. ابتدا بازده این سهام به‌صورت روزانه در بازه زمانی 1394 - 1399 طی 5 سال به مدت 1183 روز محاسبه کرده و با استفاده از مدل‌های ریسک میانگین نیم واریانس و ارزش در معرض خطر مشروط، ریسک سبد بهینه سرمایه‌گذاری آنها محاسبه می‌شوند و این دو معیار از روش حل کلاسیک با هم مقایسه می‌شوند. سپس خروجی داده‌های به‌دست‌آمده از محاسبات با استفاده از نرم‌افزار متلب با معیار الگوریتم ازدحام ذرات تحت معیار ریسک میانگین نیم واریانس و الگوریتم ژنتیک تحت معیار ریسک ارزش در معرض خطر مشروط با هم مقایسه می‌شوند.یافته‌ها: نتایج به‌دست‌آمده در این پژوهش نشان می‌دهد که روش فراابتکاری الگوریتم ازدحام ذرات در مقایسه با روش الگوریتم ژنتیک نسبت بازدهی سبد سهام بیشتری در معیار ریسک میانگین نیم واریانس را دارد.اصالت / ارزش‌افزوده علمی: در این پژوهش جهت حداقل‌کردن مقدار تابع هدف با استفاده از معیار ارزش در معرض خطر مشروط و میانگین نیم واریانس از الگوریتم‌های ژنتیک چندهدفه و ازدحام ذرات که الگوریتم‌های هوشمند و جدیدی هستند، استفاده شده است که نسبت‌های بازدهی و ریسک سهام موجود در سبد سرمایه‌گذاری را با بالاترین دقت ممکن بهینه می‌نمایند. همچنین مقایسه کارآمدی این مدل‌ها با استفاده از نرم‌افزار متلب موضوع نوآوری را در این پژوهش را ایجاد کرده است.

examining the efficiency of optimization models of multi objective genetic algorithm and particle swarm algorithm under the risk criteria of conditional value at risk and mean smai variance in determining the optimal stock portfolio

choosing the optimal stock portfolio is allocating capital among different investment positions in the stock market to achieve maximum return at a certain level of risk. this is a basket case. capital and financial assets management seeks to choose an optimal combination of financial assets, which can meet the desired demands and needs of investors. in this research, meta-initiative optimization tools including semi-variance average optimization models, conditional value at risk, multi-objective genetic algorithm with conditional value at risk criterion and particle swarm algorithm with mean sami variance risk criterion are used to select the optimal stock portfolio, with the goal is that investors can make better investment decisions with these tools.