انتخاب و بهينه سازي سبد سهام با استفاده از الگوريتم ژنتيك، با بهره گيري از مدل ميانگين نيمه واريانس ماركويتز

Selection and Portfolio Optimization by Genetic Algorithms using the Mean Semi-Variance Markowitz Model

يكي از ويژگي هاي مهم كشورهاي صنعتي و توسعه يافته، وجود بازار فعال و پوياي پول و سرمايه است. به عبارت ديگر، اگر پس اندازهاي افراد با مكانيسم صحيح به بخش توليد هدايت شوند، علاوه بر بازدهي كه براي صاحبان سرمايه به ارمغان مي آورد، مي تواند به عنوان مهمترين عامل تأمين سرمايه، براي راه اندازي طرح هاي اقتصادي جامعه نيز مفيد باشد. در پژوهش حاضر، انتخاب و بهينه سازي سهام با استفاده از سه الگوريتم، شامل الگوريتم ژنتيك، فرهنگي و ازدحام ذرات مورد بررسي قرار گرفته است. از اين رو، 106 شركت پذيرفته شده بورس اوراق بهادار تهران، در طي دوره زماني 1386 الي 1393، به منظور بررسي اين موضوع مورد آزمون قرار گرفتند. اين پژوهش به بررسي تفاوت بين ميانگين بازده سرمايه گذاري در سبدهاي منتخب بر اساس سه روش پرداخته و آزمون هاي آماري مربوط به نتايج حاكي از عدم وجود اختلاف معنادار بين سه الگوريتم مي باشد. از طرفي به منظور مقايسه دو الگوريتم و بررسي برتري الگوريتم ها، اين دو روش بهينه سازي از دو بعد تابع هدف و نسبت بازده و ريسك مورد مقايسه قرار گرفتند و از آنجايي كه الگوريتم ژنتيك مقدار تابع هدف كمتري داشته يا به عبارتي با كمترين خطا به بهترين نتيجه رسيده است، نسبت به الگوريتم هاي ديگر بهتر عمل كرده است و نشان دهنده برتري نسبي اين الگوريتم در انتخاب سبد سهام بهينه است.

One of the important features of industrialized and developing countries is the presence of money, dynamic market and capital. In other Words, if the saving of individuals will be directed by appropriate mechanism to the manufacturing sector it brings efficiency not only to the owners of capital but also it can be considered as the most important funding for launching economic projects of society. In present study, three stock selection and optimization algorithms including genetic algorithm, particle swarm algorithm, and cultural algorithm has been studied. So, 106 listed companies in Tehran Stock Exchange, since 2007 to 2014 were tested in order to investigate this. In this study, for plotting the efficient frontier and comprising of the optimal portfolio half of the variance is considered as the main factor of risk. This research investigates the significant difference between the averages of investment output in selected baskets based on three methods. The statistical analysis of the results shows that there is no difference between the three algorithms. However, in order to compare the two algorithms and analysis of superiority of algorithms, these two methods of optimization have been compared from two aspects of objective function, output ratio and risk. Since the objective function of genetic algorithms was less, in other word, it has the least error and gain the best result so in comparing to other algorithms it has been performed better which shows the relative superiority of these algorithms in the selection of the optimal portfolio.