تحلیل مقایسه‌ای بهینه‌سازی سبد سهام در الگوریتم‌های آتش‌بازی و ژنتیک با استفاده از ارزش در معرض خطر شرطی

الموضوعات : دانش مالی تحلیل اوراق بهادار

علی اصغر شهریاری ¹ (دانشجوی دکتری رشته مدیریت دولتی گرایش مالی، دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان)، اصفهان، ایران)
سعید دائی کریم زاده ² (دانشیار گروه اقتصاد، دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان)، اصفهان، ایران)
رضا بهمنش ³ (استادیار گروه مهندسی صنایع، موسسه آموزش عالی نقش جهان، اصفهان، ایران)

تاريخ الإرسال : 08 الثلاثاء , جمادى الثانية, 1443 تاريخ التأكيد : 08 الثلاثاء , جمادى الثانية, 1443 تاريخ الإصدار : 17 الإثنين , ربيع الثاني, 1443

الکلمات المفتاحية: سبد بهینه, ارزش در معرض ریسک شرطی, الگوریتم آتش‌بازی, الگوریتم ژنتیک,

ملخص المقالة :

مهم ترین دغدغه سرمایه‌گذاری، کاهش ارزش دارایی در آینده است که باعث گردیده، سرمایه‌گذاران مجموعه دارایی‌هایی را انتخاب کنند که کمترین ریسک و بالاترین بازده را داشته باشد. پژوهش حاضر به مساله بهینه‌سازی سبد سهام با توجه به ارزش در معرض ‌خطر ‌شرطی بر مبنای الگوریتم جدید و هوشمند آتش بازی و مقایسه آن با الگوریتم ژنتیک از روش شبیه سازی تاریخی با استفاده از نرم افزارMATLAB می‌پردازد. تنظیم پارامترهای الگوریتم‌های فراابتکاری به روش تاگوچی با استفاده از نرم افزارMINITAB انجام شد. در این پژوهش از اطلاعات سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار که اطلاعات قیمت و بازده نقدی آنها بین سالهای 1396 تا شهریور 1399 ثبت شده است و مطابق ماده 141 قانون تجارت مشمول تعلیق نیستند، استفاده شد. جهت پایایی پژوهش از آزمون دیکی فولر تعمیم یافته و آزمون فیلیپس پرون استفاده شد. برای ارزیابی دقت مدل ارزش در معرض خطر شرطی از آزمون نسبت شکست کوپیک، آزمون استقلال کریستوفرسن و آزمون ترکیبی استفاده شده است. همچنین مقایسه ای نیز بین مدل ها توسط آزمون لوپز صورت گرفت. یافته های پژوهش نشان داد که در سطوح اطمینان 95% و 99% مدل ارزش در معرض خطر شرطی با استفاده از الگوریتم آتش بازی از اعتبار مناسب و قابل اتکایی جهت سنجش ریسک بازار و بهینه کردن سبد سهام برخوردار می‌باشد.

المصادر:

• بیات ع و اسدی ل. (1396). بهینه سازی پرتفوی سهام: سودمندی الگوریتم پرندگان و مدل مارکویتز. مهندسی مالی و مدیریت اوراق بهادار، (32)8،63-85.


• پاک مرام ع، بحری ثالث ج و ولی زاده م.(1396). انتخاب و بهینه سازی سبد سهام با استفاده از الگوریتم ژنتیک، با بهره گیری از مدل میانگین-نیمه واریانس مارکویتز. مهندسی مالی و اوراق بهادار. 8 شماره 31(8)، 42-19.


• جمشیدی عینی ع، خالوزاده ح. (1395). بررسی روش های هوشمند در حل مسئله سبد سهام مقید در بازار سهام تهران. دانش مالی تحلیل اوراق بهادار , 9(31),96-85.


• رجبی، م و خالوزاده، ح.(1393). بهینه‌سازی و مقایسه سبد سهام در بورس اوراق بهادار تهران با بهرهمندی از الگوریتم‌های بهینه‌سازی تکاملی چندهدفه . تحقیقات مالی. شماره 2(16)، 270-253.


• رنجبری وحید م ح، صادقی شریف ج، عیوض لو ر، مهرآرا م.(1399). بررسی بهینه سازی و مدیریت فعال پابرجای سبد سرمایه‌گذاری با استفاده از الگوریتم کلونی زنبور عسل در بورس اوراق بهادار تهران . مجله مهندسی مالی و مدیریت اوراق بهادار،( 43)11،323-313.


• شرکت ماتریس تحلیلگران سیستم های پیچیده. (1388). ریسک بازار. چاپ اول: انتشارات آتی نگر.


• صادقی ح و شمس م.) 1393). محاسبه ارزش در معرض ریسک بر اساس تقریب کورنیش فیشر از توزیع نرمال) مطالعه ای در نهاد های مالی بازار بورس اوراق بهادار تهران(. فصلنامه علمی پژوهشی مدیریت دارایی و تامین مالی، سال دوم، شماره 4(4)، 1-20/0


• فلاح پور، س. رضوانی، ف و رحیمی، م ر. (1394). برآورد ارزش در معرض خطر ریسک شرطی (CVaR) با استفاده از مدلهای ناهمسانی واریانس شرطی متقارن و نامتقارن در بازار طلا و نفت، فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار ، سال هشتم، شماره بیست و ششم، 1-18.


• فلاح پور س و باغبان م. (1393). استفاده از کاپیولاCvar – در بهینه سازی سبد سرمایه گذاری و مقایسه تطبیقی آن با روش Mean – CVaR. فصلنامه پژوهشها و سیاست های اقتصادی، شماره 72(22)،: 172-155.


• قهطرانی، ع ل و نجفی، الف ع. (1393). بهینه سازی استوار سبد مالی با استفاده از رویکرد ارزش در معرض خطر شرطی موزون، مهندسی صنایع و مدیریت شریف، دوره1-30،شماره2/10، 1-3.


• نبوی چاشمی س ع، معماریان ع، شعبانی ورنامی م و احمدپور ترکی م.1392. انتخاب و بهینه سازی پرتفوی با تأکید بر ارزش در معرض خطر با استفاده از تکنیک شبیه سازی مونت کارلو)مورد کاوی: سهام شرکت های خودرویی پذیرفته شده در بورس اوراق بهادار تهران(، اولین کنفرانس ملی حسابداری و مدیریت، شیراز، موسسه بین المللی آموزشی و پژوهشی خوارزمی.


• Chang T, Meade N, Beasley J E, et al. 2000. Heuristics for cardinality constrained portfolio optimisation[J]. Computers & Operations Research., 27(13): 1271-1302.


• Chang, T. J., Yang, S. C., & Chang, K. J. (2009). Portfolio optimization problems in different risk measures using genetic algorithm. Expert Systems with Applications, 36(7), 10529-10537.Computation (CEC), 2069-2077.

 

• Cheng R., Bai Y., Zhao Y., Tan X., & Xu T. (2019). Improved fireworks algorithm with information exchange for function optimization. Knowledge-Based Systems(163), 82-90/0


• Chang T, Meade N, Beasley J E, et al. 2000/0 Heuristics for cardinality constrained portfolio optimisation[J]. Computers & Operations Research., 27(13): 1271-1302.


• Gordan A & Baptisa A. 2002. Economic Implication of Using Mean-VaR Model for Portfolio Selection. Economic Dynamics & Control, 7: 159-193.


• Liu, Y.J., Zhang, W.G. and Xu, W.J. (2012). Fuzzy multi-period portfolio selection optimization models using multiple criteria. Automatica, 48 (12), pp. 3042-3053.Computation (CEC), 2069-2077.


• Markowitz H. (1952). Portfolio selection, Journal of Finance (7), 77–91.

 

• Tan Y., & Zhu Y. (2010). Fireworks algorithm for optimization[M]. Advances in Swarm Intelligence,


• Zheng S, Janecek A, Tan Y. Enhanced fireworks algorithm[Z]. IEEE Congress on Evolutionary Computation (CEC), 2013: 2069-2077.