A Metaheuristic Approach to Multiobjective Portfolio Selection in Tehran Stock Exchange (TSE)

رويكردي فراابتكاري براي انتخاب سبد سهام با اهداف چندگانه در بورس اوراق بهادار تهران

انتخاب بهترين مجموعه از سهام، با لحاظ اهداف چندگانه و با توجه به تعدد گزينه‌ها، تصميم مديريتي دشواري است. لذا تصميم‌گيرها مي‌توانند توسط روش دومرحله‌اي زير، شانسِ يافتن سبد سهام بهينه را افزايش دهند. براساس اين روش، ابتدا فضاي جواب تمام سبدهاي كارا تعيين مي‌گردد، و سپس به تصميم‌گيرها اين امكان داده مي‌شود كه بطور تعاملي، اين فضاي جواب را جستجو نمايند. بهر حال، كار تعيين فضاي جواب، بصورت سعي و خطا انجام نمي‌گيرد. روش شمارش كاملِ برات- فورس كه يك روش جستجو براي تعيين فضاي جواب است؛ تنها زماني عملكرد مطلوبي دارد كه تعداد سهام اندك باشد. اما زمانيكه تعداد سهام، زياد (بالغ بر 323 سهم) گردد؛ مسيله انتخاب سبد سهام، به يك مسيله سخت تبديل مي‌شود و ديگر نمي‌توان از آن، براي تعيين فضاي جواب استفاده كرد (و سپس كليه سبدهاي كارا را تعيين نمود). از آنجاكه روش‌هاي فراابتكاري مي‌توانند توازني را بين مدت زمان مورد نياز براي انجام محاسبات و كيفيتِ فضاي جواب تقريب زده شده فراهم آورند؛ در اين مقاله پس از توسعه مدل انتخاب سبد سهام ماركويتز، روشي مبني بر تركيب‌ دو روش بهينه‌يابيِ اجتماع مورچگان و شبيه‌سازي تبريد-تدريجيِ پارتو پيشنهاد گرديده است. به منظور اعتبارسنجي اين روش، عملكرد آن در بورس اوراق بهادار تهران، با عملكرد چند روش‌ فراابتكاريِ ديگر مقايسه شده است. نتايج بدست آمده حاكي از برتري روش پيشنهادي نسبت به روشهاي مذكور(از نقطه‌ نظر معيارهاي قابل طرح در اين حوزه) مي‌باشد.

This paper presents a novel metaheuristic method for solving an extended Markowitz portfolio selection model. In the extended model, the objective function has been modified to include realistic objectives and four additional sets of constraints, i.e., bounds on holdings, cardinality, minimum transaction lots, and liquidity constraints have been also included. The first set of constraints guarantee that the amount invested (if any) in each asset is between its predetermined upper and lower bounds. The cardinality constraint ensures that the total number of assets selected in the portfolio is equal to a predefined number. The liquidity constraints reflect the investorsʹ tendency to invest on those stocks that are more quickly tradeable. The extended model is classified as a multi-objective mixed-integer programming model necessitating the use of efficient heuristics to find the solution. In this paper, we propose a heuristic based on pareto combined ant colony optimization and simulated annealing approaches. The performance of the proposed approach is compared to some other approaches using Tehran Stock Exchange data. The computational results show that the proposed approach effectively outperforms other approaches subject to the computation time needed and the quality of the obtained solutions especially in large-scale problems.