بررسی کاربرد الگوریتم ژنتیک چند هدفه در بهینه سازی پرتفوی سهام با استفاده از شاخص های تکنیکال

محورهای موضوعی : مهندسی مالی

حمیدرضا میرزائی ¹ , احمد خدامی‌پور ² , امید پورحیدری ³

1 - دانشجوی دکتری حسابداری، دانشگاه باهنر کرمان، ایران
2 - دانشیار گروه حسابداری، دانشگاه باهنر کرمان، ایران
3 - استاد گروه حسابداری، دانشگاه باهنر کرمان، ایران

تاریخ دریافت : 1394/11/27 تاریخ پذیرش : 1395/02/12 تاریخ انتشار : 1395/10/01

کلید واژه: الگوریتم ژنتیک, مدیریت پرتفوی, تحلیلهای تکنیکال,

چکیده مقاله :

اهداف کلاسیک دانش مالی مبنی بر موازنه بازده و ریسک و تحلیل آن در فرصت های مختلف، دستمایه بسیاری از پژوهش های مدیریت مالی بوده است. استفاده از شاخص های تکنیکال یکی از ابزارهای مدیریت پرتفوی به شمار می رود. این پژوهش به دنبال استفاده از این شاخص ها در استخراج قواعد معاملات سهام است. دوره زمانی پژوهش از ابتدای سال 1388 تا پایان سال 1393 و نمونه شامل 216 شرکت می باشد. در این پژوهش در دوره زمانی 1388 تا 1390 با استفاده از شاخص های تکنیکال و الگوریتم ژنتیک چند هدفه با دو هدف ماکزیمم کردن بازده و مینیمم کردن ریسک مدلی برای مدیریت بهینه پرتفوی به دست آمد و در دوره زمانی 1391 تا 1393 این مدل در مدیریت بهینه پرتفوی سهام به کار گرفته شد. به منظور ارزیابی این مدل، نتایج به دست آمده با شاخص کل بورس اوراق بهادار تهران مقایسه شد و مشخص گردید با استفاده از شاخص های تکنیکال می توان عملکرد بهتری نسبت به بازار داشت.

چکیده انگلیسی:

Risk-return tradeoff and its analysis in alternative investments as a classic goal of finance have been the main subject of many researches in financial management. The use of technical indicators is a portfolio management tools. This research aims to use these indicators in mining stocks trading rules. The period of investigation is from beginning of 1388 until the end of 1393 and the sample of study is including 216 companies listed in TSE. In the period from 1388 to 1390 by using technical indicators and genetic algorithm with aim for maximize return and minimize risk, we obtain a model for portfolio optimization and in the period from 1391 to 1393 this model was used in portfolio management. In order to evaluate this model, the results were compared with the market index and found that by using technical indicators can outperform the market.