بهينه‌سازي سبد چند نوع دارايي براساس ارزش در معرض ريسك شرطي با استفاده از الگوريتم كلوني مصنوعي زنبورعسل

Multi-Asset Portfolio Optimization based on Conditional Value at Risk using Artificial Bee Colony Algorithm

مديريت و بهينه‌سازي سبدي متشكل از انواع دارايي با هدف افزايش بازده و كاهش ريسك، همواره مورد توجه سرمايه‌گذاران بوده‌ است. باتوجه به تورم در بازار ايران، عملكرد متفاوت دسته‌هاي دارايي در شرايط مختلف بازار و قابليت كسب سود بيشتر به همراه ريسك كمتر با متنوع‌سازي انواع دارايي، تشكيل سبدي متشكل از سهام، ارز و كالا ضروري به ‌نظر مي‌رسد. در اين مقاله دارايي‌هايي از دسته-هايي شامل سكه امامي، دلار آمريكا و 11 شاخص‌ سهام بخش‌هاي مختلف صنعت در تركيب سبد در نظرگرفته ‌شده‌‌است. با توجه به اهميت سنجه ريسك در بهينه‌سازي سبد چند نوع دارايي، مدلي براساس ارزش در معرض ريسك شرطي با رويكرد شبيه‌سازي تاريخي توسعه ‌داده‌‌شده، كارايي آن با مدل ميانگين-واريانس مقايسه‌ شده و براي حل مدل‌ها دو الگوريتم كلوني مصنوعي زنبورعسل و رقابت استعماري بكارگرفته‌شد. براي ارزيابي مدل‌ها در بازار ايران، از سري زماني قيمت روزانه دارايي‌ها در بازه 1392 الي 1398 استفاده شد. نتايج حاصل از مقايسه دو مدل در دوره‌هاي آموزش و تست نشان‌ داد، در بهينه‌سازي سبد انواع دارايي مدل ميانگين-ارزش درمعرض ريسك شرطي از ميانگين-واريانس عملكرد بهتري دارد. از طرفي براساس نسبت‌هاي شارپ، شارپ شرطي و بازده به ريسك، سبد‌هاي بهينه‌شده با الگوريتم كلوني مصنوعي زنبورعسل بهتر از الگوريتم رقابت استعماري هستند.

Multi-asset portfolio management and optimization have always been of interest to investors. Due to the inflation in Iran market, different performance of the asset classes in different market conditions and the ability to earn more profit along with less risk by diversifying the types of assets, it seems necessary to select a portfolio consisting of stocks, foreign currency and commodities. In this paper, assets of the above categories, including Emami coins, American dollar, and 11 sector indices, are considered in the portfolio composition. Due to the importance of the risk measure in multi-asset portfolio optimization, a model with conditional value at risk, the historical simulation approach has been extended and its efficiency has been compared with the mean-variance model. The models have been solved using the artificial bee colony and imperialist competitive algorithms. The daily asset prices in the period 2013 to 2020 have been used to evaluate the models in Iran market. Results show that the mean-conditional value at risk model performs better than the mean-variance in the training and testing periods. Furthermore, optimized portfolios with the artificial bee colony algorithm could outperform the imperialist competitive algorithm based on the Sharpe ratio, conditional Sharpe ratio, and return on risk.