تحلیل مقایسهای بهینهسازی سبد سهام در الگوریتمهای آتشبازی و ژنتیک با استفاده از ارزش در معرض خطر شرطی
محورهای موضوعی : دانش مالی تحلیل اوراق بهادار
علی اصغر شهریاری
1
(دانشجوی دکتری رشته مدیریت دولتی گرایش مالی، دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان)، اصفهان، ایران)
سعید دائی کریم زاده
2
(دانشیار گروه اقتصاد، دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان)، اصفهان، ایران)
رضا بهمنش
3
(استادیار گروه مهندسی صنایع، موسسه آموزش عالی نقش جهان، اصفهان، ایران)
کلید واژه: سبد بهینه, ارزش در معرض ریسک شرطی, الگوریتم آتشبازی, الگوریتم ژنتیک,
چکیده مقاله :
مهم ترین دغدغه سرمایهگذاری، کاهش ارزش دارایی در آینده است که باعث گردیده، سرمایهگذاران مجموعه داراییهایی را انتخاب کنند که کمترین ریسک و بالاترین بازده را داشته باشد. پژوهش حاضر به مساله بهینهسازی سبد سهام با توجه به ارزش در معرض خطر شرطی بر مبنای الگوریتم جدید و هوشمند آتش بازی و مقایسه آن با الگوریتم ژنتیک از روش شبیه سازی تاریخی با استفاده از نرم افزارMATLAB میپردازد. تنظیم پارامترهای الگوریتمهای فراابتکاری به روش تاگوچی با استفاده از نرم افزارMINITAB انجام شد. در این پژوهش از اطلاعات سهام شرکتهای پذیرفته شده در بورس اوراق بهادار که اطلاعات قیمت و بازده نقدی آنها بین سالهای 1396 تا شهریور 1399 ثبت شده است و مطابق ماده 141 قانون تجارت مشمول تعلیق نیستند، استفاده شد. جهت پایایی پژوهش از آزمون دیکی فولر تعمیم یافته و آزمون فیلیپس پرون استفاده شد. برای ارزیابی دقت مدل ارزش در معرض خطر شرطی از آزمون نسبت شکست کوپیک، آزمون استقلال کریستوفرسن و آزمون ترکیبی استفاده شده است. همچنین مقایسه ای نیز بین مدل ها توسط آزمون لوپز صورت گرفت. یافته های پژوهش نشان داد که در سطوح اطمینان 95% و 99% مدل ارزش در معرض خطر شرطی با استفاده از الگوریتم آتش بازی از اعتبار مناسب و قابل اتکایی جهت سنجش ریسک بازار و بهینه کردن سبد سهام برخوردار میباشد.
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.
_||_