بهينه سازي سبد سهام با استفاده از الگوريتم ژنتيك و روش K-means بهبود يافته بر پايه الگوريتم ژنتيك

در اين مقاله به بهينه سازي سبد سهام با رويكرد كمينه كردن ريسك در معرض خطر (VaR) و بيشينه كردن بازده پرتفوي به صورت همزمان خواهيم پرداخت. الگوريتم مورد استفاده، الگوريتمي پويا براساس الگوريتم ژنتيك و مفاهيم ارزش در معرض خطر مي¬باشد. الگوريتم مذكور متفاوت از الگوريتم ژنتيك كلاسيك است. اين الگوريتم با نگه داشتن بهترين كوروموزوم در هر نسل و استفاده از آن در جواب نهايي باعث بهبود الگوريتم كلاسيك شده است. از الگوريتم مذكور براي به دست آوردن وزن هاي بهينه در سبد سهام و همچنين بهبود الگوريتم K-means براي طبقه بندي داده ها استفاده شده است. بنابراين ديدگاهي كه در اين مقاله وجود دارد، شامل طبقه بندي اطلاعات خام سهم ها با روش k-means بهبود يافته و سپس استفاده از بهينه ترين طبقه جهت تعيين سبد بهينه سهام مي باشد. به همين منظور اطلاعات بورس اوراق بهادار تهران طي سال هاي 1391، 1392 و 1393 به صورت روزانه مورد استفاده قرار گرفته است. از آنجا كه توزيع داده ها نرمال نبوده، از آزمون هاي آمار ناپارامتريك جهت آزمون فرضيات استفاده شده است. نتايج تحقيقات بيانگر آن است كه طبقه بندي داده ها و سپس اجراي الگوريتم ژنتيك روي طبقه بهينه موجب دستيابي به پرتفوي مي شود كه نسبت به پرتفوهاي حاصل از اجراي الگوريتم ژنتيك كلاسيك به تنهايي و يا حتي همراه با الگوريتم k-means ساده جهت طبقه بندي، داراي ريسك كمتر و بازدهي بيشتر است.