اعتبار سبد سهام در قالب الگوریتم ژنتیک در مقایسه با سایر الگوریتم ها در شرکتهای نمونه بازار بورس فلزات

هدف این تحقیق، اعتبار سبد سهام در قالب الگوریتم ژنتیک در مقایسه با سایر الگوریتم ها در شرکتهای نمونه صنایع فلزی بازار بورس تهران است. این تحقیق از بعد هدف از نوع تحقیقات توصیفی-کاربردی است. ابزار گردآوری اطلاعات نیز منابع علمی، نرم افزارهای بازار بورس و اطلاعات شرکتهای منتخب است. داده های مالی 30 شرکت مختلف با 2 عامل ریسک و بازده برای 3 سال متوالی از سال 1399 تا 1401.که از طریق سایتهای مختلف سازمان بورس اوراق بهادار صنایع فلزی تهران که داده های اولیه و قابل اتکا را دارد و با 2 عامل ریسک و بازده برای هستند انتخاب شدند. از الگوریتم های ژنتیک، فرهنگی و ازدحام ذرات، به عنوان مدل پژوهش استفاده شد برای پیاده سازی الگوریتم از نرم افزار متلب، استفاده شد. همچنین، برای آزمون فرضیه پژوهش نیز از نرم افزار spssاستفاده گردید. مدل این تحقیق ، نشان داد مهم ترین عامل در انتخاب سبد سهام بهینه دو عامل بازده و ریسک می باشد. در مقایسه با شاخص بازار نیز، نتایج حاکی از آن بود که تشکیل سبد سهام بهینه با الگوریتم ژنتیک ، با استفاده از اطلاعات پیش بینی شده، سودآوری بالاتری را برای سرمایه گذاران در مقایسه با سایر الگوریتم ها، فراهم می نماید .

the validity of the stock portfolio in the form of genetic algorithm compared to other algorithms in the metal stock market sample companies

abstract the purpose of this research is the validity of the stock portfolio in the form of genetic algorithm in comparison with other algorithms in sample companies of metal industries in tehran stock exchange. this research is a descriptive-applied type of research. the tools for gathering information are scientific sources, stock market software, and selected companies information. financial data of 30 different companies with 2 risk and return factors for 3 consecutive years from 1399 to 1401 through various websites of the tehran metal industries securities exchange organization, which has primary and reliable data and with 2 risk and return factors they were chosen for genetic, cultural, and particle swarm algorithms were used as research models, and matlab software was used to implement the algorithm. also, spss software was used to test the research hypothesis. the model of this research showed that the most important factors in choosing the optimal stock portfolio are the two factors of return and risk. compared to the market index, the results indicated that the formation of the optimal stock portfolio with the genetic algorithm, using predicted information, provides higher profitability for investors compared to other algorithms.