بهینه‌سازی سبد سهام با استفاده از الگوریتم فراابتکاری نهنگ با معیار ریسک ریزش مورد انتظار
محورهای موضوعی : مهندسی مالی
سعید فلاحپور
1
(استادیار گروه مدیریت مالی و بیمه، دانشکده مدیریت دانشگاه تهران، تهران، ایران)
سپهر آصفی
2
(کارشناسی ارشد مهندسی مالی، دانشکده مدیریت دانشگاه تهران، تهران، ایران)
سیما فلاح تفتی
3
(کارشناسی ارشد مهندسی مالی، دانشکده مدیریت دانشگاه تهران، تهران، ایران)
محمدرضا باقری کاظم آباد
4
(کارشناسی ارشد مهندسی صنایع، دانشکده صنایع دانشگاه صنعتی امیرکبیر، تهران، ایران)
کلید واژه: ریزش مورد انتظار, الگوریتم بهینه سازی نهنگ, بهینه سازی سبد سهام,
چکیده مقاله :
انتخاب سبد سهام از مهم ترین تصمیم گیری های سرمایه گذاران نهادی است. اولین بار در سال 1950 مارکوویتز با معرفی مدل میانگین-واریانس به وارد کردن معیار ریسک به تصمیم گیری درباره انتخاب سبد سهام پرداخت. این اقدام منجر به شکل گیری شاخه ای پرکاربرد به نام بهینه سازی سبد سهام شد. بهینه سازی سبد سهام با افزودن محدودیت های واقعی شکل پیچیده تری به خود گرفت؛ بطوریکه با افزایش تعداد دارایی ها یا محدودیت ها، تبدیل به مسئله ای ان پی-سخت می شود که حل آن با روش های مبتنی بر مشتق گیری ممکن نیست؛ بنابراین بایست از روش های عددی یا فراابتکاری بهره جست. هدف این پژوهش، بهینه سازی سبد سهام به کمک الگوریتم فراابتکاری نهنگ است. این روش با الهام از روش زندگی نهنگ ها در سال 2016 معرفی شد. این پژوهش با استفاده از بازده های سهام شرکت های موجود در شاخص 50 شرکت فعال تر بورس اوراق بهادار تهران، به بهینه سازی این سبد با الگوریتم نهنگ پرداخته و ضمن مقایسه آن با دو الگوریتم فراابتکاری دیگر، مزایای آن در بهینه سازی سبد سهام را بررسی می ‎کند.
Portfolio Selection is one of the most important decisions that institutional investors have to face. Markowitz was the first to introduce risk into the portfolio selection decision by introducing the Mean-Variance Model. This created one of the most important fields in finance, that is Portfolio Optimization and finding the efficient frontier. In the next researches, adding real world constraints to the model broadened this field. With increasing the number of assets or the constraints, Portfolio Optimization becomes an NP-hard problem which is impossible to solve with derivative-based methods, therefore, numerical and metaheuristic methods should be used for solving it. The aim of this research is optimizing portfolio using Whale optimization algorithm. This metaheuristic algorithm is inspired by the behavior of Whales and was introduced in 2016. This research implements the algorithm in the top 50 index in Tehran Stock Exchange and tries to find the efficient portfolio in this index. We also compare the performance of this method to two other metaheuristic algorithms and explain the advantages of the proposed method in portfolio optimization.
_||_