حل مسأله بهینه سازی سبد سهام شرکت های خصوصی در شرایط کمبود داده با استفاده از الگوریتم کلونی زنبور عسل (ABC)
محورهای موضوعی : مهندسی مالی
فریدون رهنمای رودپشتی
1
,
احسان ساده
2
,
میر فیض فلاح شمس
3
,
رضا احتشام راثی
4
,
جمیل جلیلیان
5
1 - استاد تمام دانشگاه آزاد واحد علوم تحقیقات
2 - عضو هیئت علمی دانشگاه آزاد اسلامی واحد ساوه، ایران
3 - دانشیار و عضو هیئت علمی دانشگاه آزاد اسلامی واحد تهران مرکز، تهران، ایران
4 - عضو هیئت علمی دانشگاه آزاد اسلامی واحد قزوین، ایران
5 - دانشجوی دکتری مدیریت صنعتی گرایش مالی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران
کلید واژه: بهینه‌سازی سبد, سرمایه گذاری خصوصی, شبیه‌سازی در شرایط عدم کفایت داده, الگوریتم کلونی مصنوعی زنبور عسل,
چکیده مقاله :
سرمایه گذاران مختلف با سطوح سرمایه گذاری متفاوت در یک هدف با یکدیگر مشترک هستند و آن هم دست یابی به سبدی از دارایی ها است که در عین برآورده نمودن بازده مورد انتظار آنها، حداقل ریسک ممکن را به همراه داشته باشد. در این تحقیق هدف ما کمک به یک شرکت سرمایه گذاری جهت دست یابی به ترکیب بهینه ای از دارایی ها متشکل از سهام شرکت های خصوصی زیر مجموعه ی خود و انواع دیگری از دارایی ها که ریسک کمتری را به همراه دارند است. یکی از مشکلات اصلی در سرمایه گذاری در سهام شرکت های خصوصی، کمبود داده های مربوط به بازده و ریسک آنها در مقایسه با داده های موجود از سهام شرکت های بورسی است. در این تحقیق از یک رویکرد شبیه سازی که توانایی تولید مقادیر تصادفی در حالت کمبود داده را دارا است، جهت محاسبه ی بازده و ریسک سرمایه گذاری در شرکت های خصوصی پرداخته ایم. همچنین با توجه به این که مسأله بهینه سازی سبد، یک مسأله NP-Hard به شمار می آید، با تعریف یک مدل بهینه سازی دو هدفه برای مسأله، به حل آن با استفاده از الگوریتم زنبور عسل مبتنی بر ماتریس کوواریانس پرداخته ایم. نتایج به دست آمده حاکی از آن است که یک سبد بهینه سبدی است که علاوه ترکیبی از دارایی های کم ریسک و پرریسک را درون خود داشته باشد.
Different investors with different investment levels have a goal in common which is to reach a portfolio of assets which further to meeting the expected rate of return would have the least possible level of risk. In this study we aim to help an investment company to determine an optimized combination of assets containing the stocks of its subsidiary companies as well as other lower risk assets. One of the main challenges in investing in private companies’ stocks, is the lack of data related to their return and risk compared with public companies. In this paper we apply a simulation approach which is able to generate valid random numbers in data insufficiency condition to calculate the return and the risk of the private assets. Furthermore, defining the problem as a bi-objective optimization problem and regarding the fact that portfolio selection is an NP-Hard problem, we use a multi-objective covariance-based artificial bee colony algorithm to solve our problem. The results show that efficient portfolios are the ones have both high risk and low risk assets simultaneously.
_||_