رویکرد محدودیت شانس با امکان تصحیح نسبی در مساله انتخاب سبد سهام در بازار سرمایه ایران

محورهای موضوعی : مهندسی مالی

میثم دعائی ¹ , مهسا صابرفرد ²

1 - گروه مدیریت مالی، واحد اسفراین، دانشگاه آزاد اسلامی، اسفراین، ایران
2 - گروه مهندسی صنایع، موسسه آموزش عالی اسرار، مشهد، ایران

تاریخ دریافت : 1399/05/03 تاریخ پذیرش : 1399/07/07 تاریخ انتشار : 1400/01/01

کلید واژه: ریسک, بازده, برنامه‌ریزی آرمانی, برنامه‌ریزی ریاضی دو هدفه,

چکیده مقاله :

در این پژوهش مساله مدیریت سرمایه‌گذاری در شرکت‌های موجود در بازار بورس اوراق بهادار تهران و فرابورس ایران به عنوان یک مساله بهینه‌سازی سبد سهام مورد بررسی قرار گرفته است. این مدل شامل دو تابع هدف شامل کمینه‌سازی ریسک و بیشینه‌سازی بازده است محدودیت‌های مدل شامل محدودیت انتخاب شرکت‌ها به صورت منحصربفرد و همچنین محدودیت بودجه است. جهت برخورد با شرایط عدم قطعیت موجود در پارامترهای مدل، از رویکرد محدودیت‌ها شانسی استفاده می‌شود و توابع هدف نیز با استفاده از روش برنامه‌ریزی آرمانی به عنوان یک مساله واحد درنظرگرفته می‌شود. جهت حل مساله در حالت دوهدفه از روش محدودیت اپسیلون تقویت شده استفاده می‌شود. مطابق با نتایج عددی می‌توان مشاهده نمود که حل مساله در حالت دوهدفه قادر به تولید پاسخ‌های پارتویی بوده که در یک ساختار مناسب یکدیگر را مغلوب نمی‌کنند. همچنین در حالت عدم قطعیت استفاده از برنامه‌ریزی آرمانی باعث حصول پاسخ‌های عددی با سطح عملکرد مناسب است و خروجی‌هایی منطبق با واقعیت می‌شود. در حقیقت خروجی‌های مساله در هر دوحالت چندهدفه و تک هدفه قابلیت پیاده‌سازی در شرایط دنیای واقعی را دارد. لذا در نهایت می‌توان گفت که استفاده از نتایج محاسباتی این پژوهش می‌تواند به عنوان یک ابزار عملیاتی مورد استفاده قرار گیرد.

چکیده انگلیسی:

In this study, the investment management problem in the Tehran Stock Exchange and OTC companies in Iran as a stock portfolio optimization problem is investigated. This model has two objective functions including risk minimization and return maximization. The constraints are including the assigning all budgets to the companies considering budget limitation. In order to deal with the uncertainty conditions in the model parameters, the chance constraints approach is used and the objective functions are considered as a single problem using the goal-programming method. To solve the problem in the two-purpose mode, the augmented epsilon constraint method is used. According to the numerical results, it can be seen that problem solving in two-objective mode is able to produce Pareto solutions that do not dominate each other in a feasible space. Also, in case of uncertainty, the use of goal-programming leads to numerical solutions with the appropriate level of performance and costs are consistent with reality. In fact, the problem results in both multi-objective and single-objective situations can be implemented in real-world conditions. Finally, it can be said that the use of computational results of this study can be used as an operational tool.