بهينه سازي سبد سرمايه گذاري بر اساس ارزش در معرض ريسك با استفاده از الگوريتم كلوني مورچگان

A novel Meta-Heuristic method for solving an extended Markowitz Mean–Variance portfolio selection model

تحقيق حاضر يك الگوريتم ابتكاري را براي حل مساله محدود بهينه سازي سبد سهام با توجه به ارزش در معرض ريسك (VaR) به عنوان معيار ريسك و با استفاده از الگوريتم تركيبي مورچگان و ژنتيك ارايه مي دهد. در اين تحقيق نشان داده خواهد شد كه الگوريتم تركيبي پيشنهادي قادر است مساله بهينه سازي سبد سهام را با توجه به معيار ارزش در معرض ريسك (VaR) با در نظرگرفتن محدوديت عدد صحيح براي تعداد سهام موجود در سبد سهام حل نمايد. به منظور نشان دادن كارايي الگوريتم، از الگوريتم پيشنهادي در جهت بهينه سازي سبد سهامي از شاخص هاي صنايع موجود در بورس اوراق بهادار تهران استفاده گرديده است. نتايج حاصل از بكارگيري الگوريتم حاكي از آن است كه الگوريتم تركيبي درتمامي حالت هاي مورد بررسي در اين تحقيق نتايجي بهتر از نتايج بدست آمده توسط الگوريتم ژنتيك به تنهايي بدست مي آورد.

This paper presents a novel Meta-Heuristic method for solving an extended Markowitz Mean–Variance portfolio selection model. The extended model considers Value-at-Risk (VaR) as risk measure instead of Variance. Depending on the method of VaR calculation its minimizing methodology differs. if we use Historical Simulation which is applied in this paper then the curve would be non-convex. On the other hand the Mean-VaR model here includes three sets of constraints: bounds on holdings, cardinality and minimum return which cause a Mixed Integer Quadratic Programming Problem. 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’s equal to a predefined number. Because of above mentioned reasons, in this paper, we propose a new Meta-Heuristic approach based on combined Ant Colony Optimization (ACO) method and Genetic Algorithm (GA). The computational results show that the proposed Hybrid Algorithm has the ability to optimized Mean-VaR portfolio for small portfolio