بهینه‌یابی تکاملی چهارهدفه فازی و غیرفازی سبد سرمایه‌گذاری در بورس اوراق بهادار تهران
محورهای موضوعی : مهندسی مالی
محمد جواد سلیمی
1
(استادیار گروه حسابداری دانشگاه علامه طباطبائی، تهران، ایران)
محمد تقی تقوی فرد
2
(، دانشیار، گروه مدیریت صنعتی، دانشگاه علامه طباطبائی، تهران)
میرفیض فلاح شمس
3
(دانشیار گروه مدیریت مالی دانشگاه آزاد اسلامی واحد تهران مرکز، تهران، ایران)
هادی خواجه زاده دزفولی
4
(دانشجوی دکتری مدیریت مالی دانشگاه علامه طباطبائی، تهران، ایران)
کلید واژه: منطق فازی, تئوری فرامدرن پرتفوی, تئوری مدرن پرتفوی, مدلسازی مالی, انتخاب سبد بهینه, الگوریتم بهینه‌سازی تکاملی چندهدفه,
چکیده مقاله :
در انتخاب پرتفوی بهینه، باید معیارهای مختلفی را در نظر گرفت که قسمتی آنها بر اساس ماهیت بهینه‌سازی تعیین می‌شود و قسمتی نیز بر اساس خواست سرمایه‌گذار مشخص می‌گردد. لذا در این مقاله، مدل‌هایی مبتنی بر برنامه ریزی چندهدفه طراحی و در محیط نرم‌افزار متلب حل شده است. این مدلها به گونه‌ای طراحی شده که هم طبیعت چندهدفة انتخاب پرتفو، هم ملاحظات مورد نظر سرمایه‌گذار و هم ماهیت غیرقطعی بازدهی آتی دارایی ها را نیز در نظر بگیرد. پس از طراحی مدلها در دو وضعیت فازی و غیرفازی، به دلیل ماهیت NP-HARD آنها، از الگوریتم اختصاصی طراحی شده NSGA-II برای حل استفاده شده است. پس از حل مدلها، بهترین پرتفو از جبهة پارتوی تشکیل شده، بر اساس نسبت سورتینو، استخراج شده و پرتفوهایی که با این روش بدست آمده، بر اساس نسبت ترینر مقایسه گردیدند. نتایج آزمون‌های آماری به صراحت نشان می دهد که مدل های ارائه شده قدرت بالایی در انتخاب پرتفوی با بازدهی بالا و ریسک متعادل دارند. همچنین نتایج بیانگر آن است که در میان مدل های طراحی شده، استفاده از منطق فازی در مدلهای چهارهدفه، نسبت به وضعیتی که از منطق فازی در طراحی و استفاده از این مدلها استفاده نشود، نتایج مطلوب‌تری را ایجاد را می‌نماید.
In choosing the optimal portfolio, we must consider various criteria, some of which are determined by the nature of the optimization and some are determined by the investor's desire. Therefore, in this paper, multi-objective optimization models are designed and solved in MATLAB software environment. These models are designed in such a way that both the nature of the portfolio optimization, the considerations of the investor and the uncertain nature of the future return on assets, are taken into account. After designing the models in fuzzy and non-fuzzy (simple) conditions, due to their NP-HARD nature, a dedicated NSGA-II algorithm was used to solve it. After solving the models, the best portfolio from attained Pareto frontier, based on the Sortino ratio, be chosen. After that all of the obtained portfolios are compared according to the Treyner ratio. The results of statistical tests clearly show that the proposed models have a high power in choosing portfolios with maximum returns and a minimum risk. The results also indicate that that the designed models, with use of fuzzy logic in quadratic models creates more favorable results than simple models without using possibility theory and fuzzy logic.
_||_