در مسئله انتخاب سبد سرمایهگذاری که یکی از مهمترین مسائل در حوزه مالی است، استفاده از مدلی که بتواند شرایط محیطهای واقعی را در نظر بگیرد، اهمیت دارد. در بازارهای مالی، نوسانات شدید و متواتر سبب تغییر مکرر در خروجیهای مدلهای سبد سرمایهگذاری میگردد و این مسئله نیاز چکیده کامل
در مسئله انتخاب سبد سرمایهگذاری که یکی از مهمترین مسائل در حوزه مالی است، استفاده از مدلی که بتواند شرایط محیطهای واقعی را در نظر بگیرد، اهمیت دارد. در بازارهای مالی، نوسانات شدید و متواتر سبب تغییر مکرر در خروجیهای مدلهای سبد سرمایهگذاری میگردد و این مسئله نیاز به تغییر وزن داراییهای موجود در سبد را افزایش میدهد که سبب تحمل هزینههای بالای مدیریتی و معاملاتی میشود. در ادبیات موجود در زمینه مدلهای سبد سرمایهگذاری، یکی از رویکردهای مقابله با این نوع هزینههای زیاد رویکرد بهینهسازی استوار است. در این پژوهش تلاش شده است از الگوریتم ژنتیک و الگوریتم جهش قورباغه مخلوط شده برای حل مدل برنامهریزی امکانی استوار ارائهشده توسط امیری و حیدری (1399) در ابعاد بزرگتر و بهمنظور بهینهسازی سبد سهام استفاده شود. در این راستا 15 مسئله معین با ابعاد (تعداد شرکت و دوره زمانی) مختلف طراحی شده و پردازش روی آنها صورت میگیرد. نتایج حاصل از اجرای دو الگوریتم بر روی 15 مسئله مذکور با استفاده از آزمون آماری T مورد مقایسه قرار گرفته است که بیانگر عدم تفاوت معنادار بین دو الگوریتم در انتخاب سبد سرمایهگذاری است اما رویکرد ترکیبی تاپسیس و وزندهی آنتروپی، الگوریتم ژنتیک را بهعنوان الگوریتم برتر انتخاب میکند.
پرونده مقاله