چکیده انتخاب سبد سهام بهینه از اهداف اصلی مدیریت سرمایه است. امروزه ابزارها و تکنیک‌های متعددی برای اندازه‌گیری ریسک سبد سرمایه‌گذاری و انتخاب سبد سهام بهینه ارائه شده است. در این مقاله، با استفاده از داده های 15 سهم که با روش نمونه‌گیری هدفمند از شرکتهای برتر سازمان بورس اوراق بهادار تهران انتخاب شده‌اند که شامل خپارس، خزامیا، وپاسار، فولاد، اخابر، کگل، فملی، تاپیکو، سپاها، فاذر، فخاس، شبهرن، شفن، قمرو و قثابت هستند، ابتدا بازده این سهام بصورت روزانه در بازه زمانی31/3/1394-31/3/1399 طی 5 سال به مدت 1183 روز محاسبه می‌شوند و سپس با استفاده از نرم افزار متلب مدل‌های بهینه سازی فرا ابتکاری الگوریتم ژنتیک چند هدفه تحت معیار ریسکMSV و الگوریتم ازدحام ذرات تحت معیار ریسکCVaR با هم مقایسه می‌شوند. نتایج نشان می‌دهد که مدل‌ الگوریتم ژنتیک چند هدفه تحت معیار ریسک MSV دارای بازده بیشتر و ریسک کمتری می باشد، در نتیجه مدل‌ الگوریتم ژنتیک تحت معیار ریسک MSV از مدل الگوریتم ازدحام ذرات تحت معیار ریسک CVaR کارآمدتر می‌باشد. Manuscript profile

انتخاب سبد بهینه سهام یکی از اهداف مهم مدیریت سرمایه است. تکنیک‌ها و ابزارهای متعددی برای حل مساله سبد بهینه‌ سهام وجود دارد. در این پژوهش با استفاده از داده‌های 15 سهم از بازار سهام تهران انتخاب شده‌اند که شامل نمادهای؛ خپارس، خزامیا، وپاسار، فولاد، اخابر، کگل، فملی، تاپیکو، سپاها، فاذر، فخاس، شبهرن، شفن، قمرو و قثابت هستند. ابتدا بازده این سهام بصورت روزانه در بازه زمانی31/3/1394-31/3/1399 طی 5 سال به مدت 1183 روز محاسبه شد و با استفاده از مدل‌های ریسک میانگین قدر مطلق انحراف و ارزش در معرض خطر مشروط، ریسک سبد سرمایه-گذاری آنها محاسبه ‌می‌شوند و این دو معیار از روش حل کلاسیک با هم مقایسه می‌شوند. خروجی بهینه سازی سبد با هر یک از این ریسک‌ها وزن متفاوتی از هر سهم را نشان می‌دهد. سپس مدل‌های ریسک انحراف مطلق و ارزش در معرض خطر مشروط از روش فرا ابتکاری الگوریتم ازدحام ذرات با هم مقایسه می‌شوند. نتایج حاکی از آن است که روش فرا ابتکاری الگوریتم ازدحام ذرات در مقایسه با روش کلاسیک بازدهی سبد بیشتری در معیار MAD به نمایش گذاشت. لذا این روش بهتری برای بهینه ‌سازی سبد سهام می‌باشد. Manuscript profile

هدف: انتخاب سبد بهینه سهام تخصیص سرمایه در بین موقعیت‌های مختلف سرمایه‌گذاری در بازار سهام برای رسیدن به حداکثر بازده در سطح معینی از ریسک می‌باشد. این یک سبد کارا است.روش‌شناسی پژوهش: روش دستیابی به یک سبد کارا مستلزم حل مسئله بهینه‌سازی می‌باشد. تکنیک و ابزارهای متعددی برای حل این مسئله وجود دارد. در این پژوهش با استفاده از روش نمونه‌گیری خوشه‌ای، تعداد 15 سهم از شرکت‌های پذیرفته‌شده در سازمان بورس اوراق بهادار تهران شامل نمادهای خپارس، خزامیا، وپاسار، فولاد، اخابر، کگل، فملی، تاپیکو، سپاها، فاذر، فخاس، شبهرن، شفن، قمرو و قثابت انتخاب شدند. ابتدا بازده این سهام به‌صورت روزانه در بازه زمانی 1394 - 1399 طی 5 سال به مدت 1183 روز محاسبه کرده و با استفاده از مدل‌های ریسک میانگین نیم واریانس و ارزش در معرض خطر مشروط، ریسک سبد بهینه سرمایه‌گذاری آنها محاسبه می‌شوند و این دو معیار از روش حل کلاسیک با هم مقایسه می‌شوند. سپس خروجی داده‌های به‌دست‌آمده از محاسبات با استفاده از نرم‌افزار متلب با معیار الگوریتم ازدحام ذرات تحت معیار ریسک میانگین نیم واریانس و الگوریتم ژنتیک تحت معیار ریسک ارزش در معرض خطر مشروط با هم مقایسه می‌شوند.یافته‌ها: نتایج به‌دست‌آمده در این پژوهش نشان می‌دهد که روش فراابتکاری الگوریتم ازدحام ذرات در مقایسه با روش الگوریتم ژنتیک نسبت بازدهی سبد سهام بیشتری در معیار ریسک میانگین نیم واریانس را دارد.اصالت / ارزش‌افزوده علمی: در این پژوهش جهت حداقل‌کردن مقدار تابع هدف با استفاده از معیار ارزش در معرض خطر مشروط و میانگین نیم واریانس از الگوریتم‌های ژنتیک چندهدفه و ازدحام ذرات که الگوریتم‌های هوشمند و جدیدی هستند، استفاده شده است که نسبت‌های بازدهی و ریسک سهام موجود در سبد سرمایه‌گذاری را با بالاترین دقت ممکن بهینه می‌نمایند. همچنین مقایسه کارآمدی این مدل‌ها با استفاده از نرم‌افزار متلب موضوع نوآوری را در این پژوهش را ایجاد کرده است. Manuscript profile