بهينه سازي سبد سهام با استفاده از الگوريتم رقابت استعماري (ICA) و الگوريتم ازدحام ذرات (PSO) تحت معيار ريسك ارزش در معرض خطر مشروط (CVaR)

Stock portfolio optimization using Imperialist Competitive Algorithm (ICA) and Particle Swarm Optimization (PSO) under Conditional Value at Risk (CVaR

انتخاب سبد سهام يك مبحث ويژه در حوزه ي سرمايه گذاري است. با توجه به گستردگي انتخاب ها در بازار سهام يكي از دغدغه هاي مهم مجموعه هاي سرمايه گذاري تخصيص بهينه ي دارايي هاست. ازاين رو اغلب اين مجموعه ها از مدل هاي انتخاب سبد استفاده مي كنند. ارزش در معرض خطر مشروط كه يكي از مدل هاي انتخاب سبد است از برنامه ريزي درجه دوم تبعيت مي كند. با توجه به اينكه برنامه ريزي درجه دوم نيازمند محاسبات وسيعي است، استفاده از الگوريتم هاي فرا ابتكاري در حل اين مسايل سرعت و دقت محاسبات را افزايش مي دهند. هدف اين پژوهش حداقل سازي ارزش در معرض خطر مشروط با استفاده از دو الگوريتم رقابت استعماري و ازدحام ذرات است. ازاين رو با استفاده از داده هاي 800 روز از 12 شركت پذيرفته شده در بورس اوراق بهادار تهران در بازه زماني 5/2/92 تا 28/1/98 به تشكيل سبد پرداخته شد و وزن مربوط به هر سهم در سبد بهينه و ميزان ريسك و بازدهي سبدها با استفاده از نرم افزار MATLAB2018 محاسبه شد. سپس با استفاده از امكانات نرم-افزار SPSS به آزمون ميانگين تفاوت بين ريسك و بازدهي دو الگوريتم پرداخته شد. نتايج نشان داد كه ريسك و بازدهي دو الگوريتم ازنظر آماري تفاوت معناداري ندارند، اما الگوريتم رقابت استعماري در زمان كوتاه تري به جواب بهينه مي رسد.

The choice of stock portfolio is a special issue in the field of investment. Given the wide range of options in the stock market, one of the major concerns of investment groups is the optimal allocation of assets. Therefore, most of these collections use portfolio selection models. The conditional value at Risk, which is one of the models of portfolio selection, follows the Quadratic Programming. Given that Quadratic Programming requires extensive computations, the use of metaheuristic algorithms in solving these problems increases the speed and accuracy of computations. The aim of this study is to minimize the Conditional Value at Risk by using two algorithms of Imperialist Competitive Algorithm and Particle Swarm Optimization. Therefore, using 800 days of data from 12 companies listed on the Tehran Stock Exchange in the period of 2/5/92 to 1/28/98, portfolio has been formed, and the weight of each stock in the optimal portfolio and the risk and return of the portfolio has been calculated using MATLAB2018 software. Then, using SPSS software, the average difference between risk and return of the two algorithms was tested. The results showed that the risk and return of the two algorithms were not statistically significant,.