بهینه‌سازی پرتفوی متشکل از سهام صندوق‌های سرمایه‌گذاری مشترک بورس اوراق بهادار تهران با رویکرد الگوریتم ژنتیک
محورهای موضوعی : دانش سرمایه‌گذاری
فریدون رهنمای رودپشتی
1
(استاد و عضو هیئت علمی دانشگاه آزاد اسلامی واحد علوم و تحقیقات و عضو موسس و هیئت مدیره انجمن‌های مهندسی مالی و حسابداری مدیریت ایران)
کاظم چاوشی
2
(استادیار و عضو هیئت علمی دانشگاه علوم اقتصادی تهران)
ابراهیم صابر
3
(دانش‌آموخته کارشناسی ارشد مدیریت مالی دانشگاه علوم اقتصادی تهران)
کلید واژه: پرتفوی, صندوق سرمایه‌گذاری مشترک, الگوریتم ژنتیک,
چکیده مقاله :
گسترش و پیچیدگی روزافزون بازارهای مالی، تصمیم‌گیری در خصوص انتخاب نوع دارایی را برای سرمایه‌گذاران دشوار نموده است؛ از سویی بر اساس نظریه مدرن پرتفوی، متنوع سازی سرمایه گذاری ها می‌تواند منجر به کاهش نوسان ها در عین حفظ متوسط بازده گردد. همچنین با توجه به پیچیده شدن و سرعت عوامل تأثیرگذار، تشکیل پرتفوی بهینه با روش‌های سنتی کار دشواری است. هدف این پژوهش بهینه‌سازی پرتفوی متشکل از سهام صندوق‌های سرمایه‌گذاری مشترک با استفاده از الگوریتم ژنتیک و مقایسه آن با روش سنتی می‌باشد و همچنین تأثیر اندازه سبد سرمایه گذاری نیز مورد بررسی قرار گرفته است. برای این منظور، داده های 30 صندوق سرمایه گذاری مشترک فعال در بازار سرمایه ایران در طی سال های 1389 الی 1391 گردآوری شده است. نتایج حاکی از آن است که الگوریتم ژنتیک می‌تواند جهت انتخاب سبد متشکل از سهام صندوق های مشترک به کار رود و با استفاده از آزمون زوجی مشخص شد که سبدهای تشکیل‌شده با استفاده از الگوریتم ژنتیک نسبت به روش سنتی مطلوب‌تر می باشند. همچنین اندازه سبد تأثیر چندانی بر نتایج نداشته و در تمام سطوح، الگوریتم ژنتیک دارای عملکرد بهتری است. ضمناً هرچه تنوع سبد تشکیل‌شده بیشتر و بزرگ‌تر باشد، برتری عملکرد الگوریتم ژنتیک بر روش خطی قابل‌ملاحظه‌تر می شود.
Expansion and growing complexity of financial markets, makes difficult Choosing assets for investors; Meanwhile, based on portfolio theory, diversification, while maintaining average returns, leads to lower fluctuations. Also, due to the complexity and speed of effective factors, constitution of optimal portfolio with Using traditional methods is difficult. This study is aimed at optimizing the portfolio consists of shares of mutual funds using genetic algorithm and comparing it with the traditional approaches and the impact of portfolio size has also been studied. For this purpose, the data of 30 mutual funds in the Iran's stock market from 2011 till 2013 are collected. Results indicate that genetic algorithms can be used to select a portfolio of shares of mutual funds. Using paired t-test determined that using genetic algorithms in portfolio selection is better than traditional methods. Also, the size of the portfolio did not influence the results and at all level, the genetic algorithm has better performance. Meanwhile, the larger and more diversified portfolio, genetic algorithm performance advantage over linear methods is more significant.