استراتژی معاملات جفتی یکی از قدیمی‌ترین و رایج‌ترین استراتژی‌های آربیتراژ آماری محسوب می‌شود. تشکیل جفت یک مرحله مهم در معاملات جفتی است که فقط به روش دستی مورد بررسی قرار گرفته است و این روش در حالت چند متغیره شکست خورده و اهداف متناقض را در ساختار مسئله در نظر نمی‌گیرد. مسئله اصلی پژوهش حاضر ارائه روشی است که ترکیب‌های جفتی چند متغیره را با در نظر گرفتن اهداف متناقض چندگانه و تمرکز بر رویکرد هم‌انباشتگی ایجاد کند. لذا ترکیبی از سهام در دو هدف متضاد ریسک (بازگشت به میانگین) و بازده (واریانس اسپرد) بهینه می‌شوند تا مجموعه‌ای از فرصت‌های معاملات جفتی چند متغیره سودآور را تشکیل دهند. جامعه آماری، شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران هستند. نمونه آماری به‌واسطه نیاز به معاملات پربسامد از 50 شرکت برتر محدود شده است. مسئله در قالب یک مدل برنامه‌ریزی عدد صحیح مختلط (MIP) تدوین، و به دلیل محدودیت‌های غیرمحدب و فضای حل نمایی از الگوریتم ژنتیک چندهدفه برای به دست آوردن ترکیب‌های جفتی استفاده شده است. برای دستیابی به اهداف چندگانه، از نوع توسعه‌یافته الگوریتم ژنتیک؛ الگوریتم ژنتیک مرتب‌سازی نامغلوب آشوبناک (CNSGA-II) استفاده گردید. برای به دست آوردن راه حل های مناسب و با دقت بالا، از تئوری آشوب در ایجاد جمعیت اولیه الگوریتم ژنتیک استفاده شده است. تحقیقات نشان داده که استفاده از نظریه آشوب می‌تواند میزان همگرایی را در الگوریتم‌های تکاملی افزایش دهد. نتایج آزمایش های این پژوهش نشان می‌دهد که استراتژی های معاملات جفتی چند هدفه با تمرکز بر رویکرد هم‌انباشتگی نسبت به مدل تک هدفه سنتی از برتری معناداری برخوردار است. Manuscript profile