بهینه سازی سبد سهام به شیوه فازی و با استفاده از الگوریتم فراابتکاری جستجوی ناخودآگاه

الموضوعات : دانش سرمایه‌گذاری

محمد اقبال نیا ¹ , سید مازیار دلیران ²

1 - استادیار گروه مدیریت مالی و مهندسی مالی، دانشگاه خوارزمی
2 - کارشناس ارشد مهندسی مالی، دانشگاه خوارزمی (نویسنده مسئول)

تاريخ الإرسال : 28 الأربعاء , جمادى الأولى, 1439 تاريخ التأكيد : 21 الإثنين , شعبان, 1439 تاريخ الإصدار : 25 الأحد , ربيع الثاني, 1441

الکلمات المفتاحية: بهینه سازی, سبد سهام فازی, الگوریتم جستجوی ناخودآگاه, نیمه انحراف مطلق, محدودیت کاردینالیتی,

ملخص المقالة :

بهینه‌سازی سبد سهام وتخصیصثروتبیندارایی‌هایمختلفاز جملهمهمترینمسائلدر سرمایه‌گذاریبهحسابمی‌آید. در این مطالعه، مساله بهینه سازی سبد سهام، با درنظر گرفتن محدودیت‌های دنیای واقعی و با این فرض مورد بررسی قرار گرفت که بازده دارایی های ریسکی از اعداد فازی تشکیل شده است. سپس، مدل احتمالی جدید میانگین- نیمه انحراف مطلق ارائه شد که در آن محدودیت هزینه های معامله و محدودیت کاردینالیتی نیز در نظر گرفته شد. وجود چنین محدودیت هایی، مدل را به مدل برنامه‌ریزی غیرخطی عدد صحیح آمیخته تبدیل می‌کند که رویکردهای سنتی از عهده حل آن برنمی‌آیند، بدین منظور در این تحقیق از الگوریتم فراابتکاری جدید با نام الگوریتم جستجوی ناخودآگاه استفاده شده است. همچنین برای بررسی قدرت و دقت حل این الگوریتم، مطالعه‌ای موردی با اطلاعات 50 شرکت برتر بورس اوراق بهادار تهران در بازه زمانی 1391 تا 1394 صورت گرفت و نتایج آن با الگوریتم‌های حرکت تجمعی ذرات و ژنتیک مقایسه شد که نشان از برتری این الگوریتم در مساله‌ی بهینه‌سازی سبد سهام دارد.

المصادر:

*       ارجمند، احسان؛ (1388) ارائه یک الگوریتم جستجوی ساخت یافته نوین بر مبنای نظریه روانکاوی، پایان‌نامه کارشناسی ارشد، دانشکده فنی مهندسی، دانشگاه تربیت مدرس.

*       اسون،پللوران؛ (1389)  واژگانفروید،ترجمهدکترکرامتموللی،تهران،نشرنی، چاپدوم.

*       الهی، مرتضی؛ یوسفی، محسن؛ زارع مهرجردی، یحیی؛ (1393) بهینه‌سازی سبد سهام با رویکرد میانگین  واریانس و با استفاده از الگوریتم فراابتکاری جست وجوی شکار، فصلنامه تحقیقات مالی، دانشکده مدیریت دانشگاه تهران، دوره16(1)،37-56.

*       جونز، چارلز پی؛ ( 1386 ) مدیریت سرمایه‌گذاری، ترجمۀ رضا تهرانی، عسگر نوربخش، تهران، نگاه دانش، چاپ سوم.

*       قاسمی، حمیدرضا؛ نجفی، امیرعباس؛ (1391) بهینه‌سازی پرتفوی سهام در شرایط مجاز بودن فروش استقراضی و برخی محدودیت‌های کاربردی بازار سرمایه، فصلنامه تحقیقات مالی، دانشکده مدیریت دانشگاه تهران، 14(2)، 117-132.

*       قدوسی، سعید؛ تهرانی، رضا؛ بشیری، مهدی؛ (1394) بهینه‌سازی سبد سهام با استفاده از روش تبرید شبیه‌سازی شده، فصلنامه تحقیقات مالی، دانشکده مدیریت دانشگاه تهران، دوره 17(1)، 141-158.

*       Ardjmand, E., & Amin-Naseri, M. R. (2012, June). Unconscious search-a new structured search algorithm for solving continuous engineering optimization problems based on the theory of psychoanalysis. In International Conference in Swarm Intelligence (pp. 233-242). Springer Berlin Heidelberg.

*       Ardjmand, E., Park, N., Weckman, G., & Amin-Naseri, M. R. (2014). The discrete Unconscious search and its application to uncapacitated facility location problem. Computers & industrial engineering, 73, 32-40.

*       Chang, T. J., Meade, N., Beasley, J. E., & Sharaiha, Y. M. (2000). Heuristics for cardinality constrained portfolio optimisation. 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.

*       Chen, W. (2015). Artificial bee colony algorithm for constrained possibilistic portfolio optimization problem. Physica A: Statistical Mechanics and its Applications, 429, 125-139.

*       Golmakani, H. R., & Fazel, M. (2011). Constrained portfolio selection using particle swarm optimization. Expert Systems with Applications, 38(7), 8327-8335.‏

*       Gupta, P., Mehlawat, M. K., & Saxena, A. (2008). Asset portfolio optimization using fuzzy mathematical programming. Information Sciences, 178(6), 1734-1755.

*       Kennedy, J, Eberhart, R.C (1995). Particle Swarm Optimization, in: Proc. IEEE Int’l Conf. on Neural Networks, 4.

*       Ma, X., Gao, Y., & Wang, B. (2012). Portfolio optimization with cardinality constraints based on hybrid differential evolution. AASRI Procedia, 1, 311-317.

*       Markowitz.H. (1952). Portfolio selection. s.l.  Journal of Finance, Vol. 7.

*       Ruiz-Torrubiano, R., & Suárez, A. (2015). A memetic algorithm for cardinality-constrained portfolio optimization with transaction costs. Applied Soft Computing, 36, 125-142