انتخاب و بهینه سازی سبد سهام با استفاده از الگوریتم ژنتیک، با بهره گیری از مدل میانگین-نیمه واریانس مارکویتز
محورهای موضوعی : مهندسی مالیعسگر پاک مرام 1 , جمال بحری ثالث 2 , مصطفی ولی زاده 3
1 - استادیار حسابداری و مدیر گروه مقاطع کارشناسی ارشد و دکترای حسابداری دانشگاه آزاد واحد بناب
2 - استادیار گروه حسابداری، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران
3 - کارشناس ارشد حسابداری، واحد مرند، دانشگاه آزاد اسلامی، مرند، ایران
کلید واژه:
چکیده مقاله :
یکی از ویژگی های مهم کشورهای صنعتی و توسعه یافته، وجود بازار فعال و پویای پول و سرمایه است. به عبارت دیگر، اگر پس اندازهای افراد با مکانیسم صحیح به بخش تولید هدایت شوند، علاوه بر بازدهی که برای صاحبان سرمایه به ارمغان می آورد، می تواند به عنوان مهمترین عامل تأمین سرمایه، برای راه اندازی طرح های اقتصادی جامعه نیز مفید باشد. در پژوهش حاضر، انتخاب و بهینه سازی سهام با استفاده از سه الگوریتم، شامل الگوریتم ژنتیک، فرهنگی و ازدحام ذرات مورد بررسی قرار گرفته است. از این رو، 106 شرکت پذیرفته شده بورس اوراق بهادار تهران، در طی دوره زمانی 1386 الی 1393، به منظور بررسی این موضوع مورد آزمون قرار گرفتند. این پژوهش به بررسی تفاوت بین میانگین بازده سرمایه گذاری در سبدهای منتخب بر اساس سه روش پرداخته و آزمون های آماری مربوط به نتایج حاکی از عدم وجود اختلاف معنادار بین سه الگوریتم می باشد. از طرفی به منظور مقایسه دو الگوریتم و بررسی برتری الگوریتم ها، این دو روش بهینه سازی از دو بعد تابع هدف و نسبت بازده و ریسک مورد مقایسه قرار گرفتند و از آنجایی که الگوریتم ژنتیک مقدار تابع هدف کمتری داشته یا به عبارتی با کمترین خطا به بهترین نتیجه رسیده است، نسبت به الگوریتم های دیگر بهتر عمل کرده است و نشان دهنده برتری نسبی این الگوریتم در انتخاب سبد سهام بهینه است.
One of the important features of industrialized and developing countries is the presence of money, dynamic market and capital. In other Words, if the saving of individuals will be directed by appropriate mechanism to the manufacturing sector it brings efficiency not only to the owners of capital but also it can be considered as the most important funding for launching economic projects of society. In present study, three stock selection and optimization algorithms including genetic algorithm, particle swarm algorithm, and cultural algorithm has been studied. So, 106 listed companies in Tehran Stock Exchange, since 2007 to 2014 were tested in order to investigate this. In this study, for plotting the efficient frontier and comprising of the optimal portfolio half of the variance is considered as the main factor of risk. This research investigates the significant difference between the averages of investment output in selected baskets based on three methods. The statistical analysis of the results shows that there is no difference between the three algorithms. However, in order to compare the two algorithms and analysis of superiority of algorithms, these two methods of optimization have been compared from two aspects of objective function, output ratio and risk. Since the objective function of genetic algorithms was less, in other word, it has the least error and gain the best result so in comparing to other algorithms it has been performed better which shows the relative superiority of these algorithms in the selection of the optimal portfolio.
