بهينه سازي و مديريت فعال پابرجاي سبد سرمايه گذاري با استفاده از الگوريتم كلوني زنبور عسل؛ مورد مطالعاتي: بورس اوراق بهادار تهران

Optimization and active management of Portfolio Using Aunt Colony Algorithm Considering Uncertainty and Robust Programming; Case: Tehran Stock Exchange

مطابق نظريه ماركويتز، امكان پيش بيني بازار سرمايه در آينده وجود نداشته و سرمايه گذاران بايد به منظور كنترل ريسك سرمايه گذاري، به تشكيل پرتفو بپردازند. در تحقيقات اخير، توسعه هاي زيادي روي مدل اوليه پرتفوي ماركويتز از حيث مدلسازي و روش حل ايجاد كرده اند. از جمله اينكه از سنجه هاي ريسك طيفي همچون ريزش مورد انتظار و ارزش در معرض خطر براي سنجش ريسك استفاده مي شود. همچنين، مدل هاي متنوع فازي، احتمالي و پابرجا براي در نظر گرفتن عدم قطعيت سنجش ريسك و بازدهي توسعه داده شده اند كه خطاي پيش بيني و ريسك رخداد بحران در خصوص پرتفو را كاهش مي دهند. اما به جز تشكيل سبد بهينه سرمايه گذاري، نياز است كه مدل هاي پابرجا در خصوص مديريت فعال سبد سرمايه گذاري نيز توسعه داده شود. در تحقيق حاضر، يك مدل تشكيل سبد پابرجا و يك مدل مديريت فعال پابرجاي سبد توسعه داده شده و به حل آن با استفاده از روش فراابتكاري كلوني زنبور عسل پرداخته شده است. بر اساس نتايج به دست آمده، روش پيشنهادي هم در مرحله تشكيل سبد بهينه و هم در مرحله مديريت آن، از روش هاي كلاسيك، عملكرد بهتري نشان داده است.

Based on Markowitz theory of portfolio optimization, capital market is not predictable by any methods and the risk can only be diversified through portfolio formation and optimization. Recent works made huge developments in the basic model from modeling and risk measures perspectives. Spectral risk measures such as expected shortfall and value at risk are being used frequently as risk measures. In addition, researchers tend to consider uncertainty in risk and return evaluation via fuzzy, stochastic and robust modeling. However, a matter that has been neglected in many researches is portfolio management under uncertainty conditions. This paper propose a method for robust modeling of portfolio optimization and management using expected shortfall as risk measure and Bertsimas modeling as robust programming. The proposed model solved with artificial bee colony algorithm and results show a better performance of proposed model compared to classic methods in both the optimal portfolio formation and its management phase.