بهینه‌سازی سبدسهام چندهدفه با استفاده از رویکرد جدید بهینه‌سازی کرم میوه

یکی از معروفترین مسائل بهینه سازی در حوزه مهندسی مالی مساله بهینه سازی سبد سهام  می‏باشد. این مساله در ساده ترین شکل خود به انتخاب سبدی از دارایی‏های مختلف می پردازد در حالیکه سعی در کمینه نمودن ریسک سبد انتخابی با توجه به محدودیت‏های تعریف شده نظیر محدودیت بودجه و عدد صحیح دارد. بطور کلی سرمایه گذاران ترجیح می‏دهند به جای سرمایه گذاری در یک دارایی، در چند دارایی سرمایه گذاری نموده تا به این وسیله با تنوع بخشی به سرمایه گذاری خود ریسک غیر سیستماتیک را کاهش دهند. مدل‏های محاسباتی پیچیده‏ای برای حل این مساله توسعه یافته‏اند که برای بسیاری از آن‏ها حل بهینه ای وجود ندارد. در این مقاله، از یک رویکرد ابتکاری و فرا ابتکاری جدید بنام الگوریتم کرم میوه برای حل مساله‌ای چند هدفه بر مبنای مدل میانگین واریانس مارکوییتز  با محدودیت‏های دسته‌بندی و عدد صحیح  استفاده شده است. الگوریتم بهینه‌سازی حشره میوه (foa) یک روش جدید برای یافتن جواب بهینه سراسری بر مبنای رفتار حشره میوه در پیدا کردن غذا می‌باشد. تا کنون مطالعات اندکی روی این الگوریتم صورت گرفته است و تقریباً هیچ یک از کارهای انجام شده از این الگوریتم برای حل مساله بهینه سازی سبد سهام استفاده ننموده‏‏اند. نتایج بدست آمده نشان دهنده عملکرد نسبی بهتر این الگوریتم نسبت به الگوریتم‏ ژنتیک  برای مجموعه داده‌های بورس تهران می‌باشد.طبقه بندی jel: g1, p5, o3

Multi-objective Portfolio Optimization Model by Fruit Fly Optimization Algorithm

One of the most famous optimization problems in the field of financial engineering is portfolio selection problem. In its simplest form, while trying to minimize risk in the portfolio selection according to defined constraints such as budget and integer constraints it deals with selecting a basket of various assets. Generally, investors prefer to invest in some assets rather than investing in only one asset to reduce unsystematic risk by diversifying their investment. Complex computational models have been developed to solve this problem and there is not an optimal solution for many of them. In this paper, a new and innovative approach known as fruit fly optimization algorithm (FOA) is used for multiobjective problem solving based on meanvariance Markowitz problem with class and cardinality constraints. Fruit fly optimization algorithm is a new way to find the overall optimal solution based on the behavior of the fruit fly in finding food. So far, few studies have been done on this algorithm and almost none of them used this algorithm for portfolio optimization problem. The results indicated the better comparative performance of the algorithm compared to the genetic algorithm for data set of Tehran stock exchange.JEL classification: G1, P5, O3