Comparative Analysis of Stock Portfolio Optimization in Fireworks and Genetic Algorithms Using Conditional Value at Risk

Subject Areas : Financial Knowledge of Securities Analysis

Ali Asghar  Shahriari ¹ (Department of Management , Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran)
saeed  Daei-Karimzadeh ² (Associate Professor, Department of Economics, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran.)
Reza  Behmanesh ³ (Lecturer of Department of Accounting, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran)

Received: 2022-01-11 Accepted : 2022-01-11 Published : 2021-11-22

Keywords: optimal portfolio, Conditional Value at Risk, Fireworks Algorithm, Genetic algorithm,

Abstract :

Devaluation of assets in the future is one of the most important investment concerns that has led investors to choose the set of assets that have the lowest risk and highest return. The present study deals with the problem of stock portfolio optimization according to the Conditional Value at Risk based on the new and intelligent fireworks algorithm and compares it with genetic algorithm with the historical simulation method using MATLAB software. The parameters of meta-heuristic algorithms were adjusted by Taguchi method using MINITAB software. Not suspended, used. For reliability of the study, generalized Dickey-Fuller test and Phillips-Prone test were used. To evaluate the accuracy of the Conditional Value at Risk model, the kupiec proportion of failure test, Christoffersen independence test and Conditional coverage test are used.  A comparison was also made between the models by Lopez test. Findings showed that at %95 and %99  confidence levels, the conditional risk value model using the fireworks algorithm has a suitable and reliable validity for measuring market risk and optimizing the stock portfolio.

References:

• 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.