رويكرد محدوديت شانس با امكان تصحيح نسبي در مساله انتخاب سبد سهام در بازار سرمايه ايران

A chance constrained recourse approach for the portfolio selection problem in Iran capital market

در اين پژوهش مساله مديريت سرمايه گذاري در شركت هاي موجود در بازار بورس اوراق بهادار تهران و فرابورس ايران به عنوان يك مساله بهينه سازي سبد سهام مورد بررسي قرار گرفته است. اين مدل شامل دو تابع هدف شامل كمينه سازي ريسك و بيشينه سازي بازده است محدوديت هاي مدل شامل محدوديت انتخاب شركت ها به صورت منحصربفرد و همچنين محدوديت بودجه است. جهت برخورد با شرايط عدم قطعيت موجود در پارامترهاي مدل، از رويكرد محدوديت ها شانسي استفاده مي شود و توابع هدف نيز با استفاده از روش برنامه ريزي آرماني به عنوان يك مساله واحد درنظرگرفته مي شود. جهت حل مساله در حالت دوهدفه از روش محدوديت اپسيلون تقويت شده استفاده مي شود. مطابق با نتايج عددي مي توان مشاهده نمود كه حل مساله در حالت دوهدفه قادر به توليد پاسخ هاي پارتويي بوده كه در يك ساختار مناسب يكديگر را مغلوب نمي كنند. همچنين در حالت عدم قطعيت استفاده از برنامه ريزي آرماني باعث حصول پاسخ هاي عددي با سطح عملكرد مناسب است و خروجي هايي منطبق با واقعيت مي شود. در حقيقت خروجي هاي مساله در هر دوحالت چندهدفه و تك هدفه قابليت پياده سازي در شرايط دنياي واقعي را دارد. لذا در نهايت مي توان گفت كه استفاده از نتايج محاسباتي اين پژوهش مي تواند به عنوان يك ابزار عملياتي مورد استفاده قرار گيرد.

In this study, the investment management problem in the Tehran Stock Exchange and OTC companies in Iran as a stock portfolio optimization problem is investigated. This model has two objective functions including risk minimization and return maximization. The constraints are including the assigning all budgets to the companies considering budget limitation. In order to deal with the uncertainty conditions in the model parameters, the chance constraints approach is used and the objective functions are considered as a single problem using the goal-programming method. To solve the problem in the two-purpose mode, the augmented epsilon constraint method is used. According to the numerical results, it can be seen that problem solving in two-objective mode is able to produce Pareto solutions that do not dominate each other in a feasible space. Also, in case of uncertainty, the use of goal-programming leads to numerical solutions with the appropriate level of performance and costs are consistent with reality. In fact, the problem results in both multi-objective and single-objective situations can be implemented in real-world conditions. Finally, it can be said that the use of computational results of this study can be used as an operational tool.