Portfolio Optimization by Using Big Bang-Big Crunch Algorithm
محورهای موضوعی : policy making
علیرضا علی نژاد
1
(استادیار دانشکده مهندسی صنایع و مکانیک، دانشگاه آزاد اسلامی واحد قزوین، قزوین، ایران)
کلید واژه: Mean-variance Markowitz Model, Portfolio Optimization Problem, Big Bang- Big Crunch Algorithm, Cardinality Constraints, Efficient frontier,
چکیده مقاله :
Investment plays a vital role on economic growth. One of the main objectives of all countries is to achieve sustainable economic growth and development. Nowadays, a considerable amount of activities performed by the managers and investors in general is to make a portfolio of assets effectively meeting demand goals. In this study, mean-variance Markowitz model by cardinality constraints and also a new innovative approach called Big Bang-Big Crunch algorithm are used to create a portfolio of assets. The algorithm proposed in this study compares with other algorithms such as simulated annealing, genetic, etc. by using datasets taken from the stock exchange indices in Hong Kong, Iran and Japan, the results indicate that the algorithm is competitive to solve the portfolio optimization problem efficiently.
سرمایه‌گذاری نقش تعیین کننده‌ای در رشد اقتصادی دارد. یکی از اهداف اساسی کشورها، دستیابی به رشد اقتصادی و توسعه ی پایدار می‌باشد. امروزه حجم قابل توجهی از کار مدیران سرمایه گذاری و همچنین به طور عموم سرمایه گذاران، ساختن پورتفوی کارآمدی از دارایی هاست که اهداف تقاضا را برآورده سازد. در این تحقیق از مدل میانگین-واریانس مارکویتز به همراه محدودیت‏های عدد صحیح و همچنین یک رویکرد فرا ابتکاری جدید به نام الگوریتم Big Bang-Big Crunch برای تشکیل سبد سهام بهره گرفته شده است. الگوریتم مورد استفاده در این تحقیق با سایر الگوریتم‏های فراابتکاری نظیر الگوریتم شبیه‌سازی تبریدی، ژنتیک و... با استفاده از داده‏های سهام شاخص‌های بورس هنگ کنگ، ایران و ژاپن مقایسه شده است و نتایج، حاکی از رقابتی بودن این الگوریتم برای حل مسأله بهینه‌سازی سبد سهام دارند.
