توسعه الگوريتم هاي فرا ابتكاري شيرمورچه- ژنتيك و PBILDE جهت بهينه سازي سبد سهام در بورس اوراق بهادار تهران

Developing Meta-heuristic AntLion-Genetic and PBILDE Algorithms to Portfolio Optimization in Tehran Stock Exchange

در مطالعات مالي، سبد سهام را مي­توان به معني مجموعه ­ي سرمايه ­گذاري­ هايي دانست كه توسط يك فرد و يا يك موسسه انتخاب و پذيرفته مي ­شود. انتخاب سبد سهام يكي از اصلي­ ترين دغدغه ­هاي سرمايه­ گذاران در بازارهاي مالي است. مدل ميانگين- واريانس با مؤلفه­ هاي مقيد به عنوان يكي از مدل­هاي اصلي در حل مسأله بهينه ­سازي سبد سرمايه شناخته مي ­شود. اين مدل از لحاظ پيچيدگي، از نوع مسائل غيرخطي چند جمله ­اي NP-hard است كه به صورت دقيق قابل حل نيستند. در اين پژوهش با استفاده از الگوريتم تركيبي شيرمورچه- ژنتيك (ALOGA) و الگوريتم تركيبي يادگيري افزايشي مبتني بر جمعيت و تكامل تفاضلي (PBILDE)كه از مدل­ هاي فرا ابتكاري نوين در حل مسائل بهينه ­سازي هستند، براي بهينه­سازي سبد سرمايه­ گذاري با هدف افزايش بازده­ و كاهش ريسك استفاده شده است. از ميان 591 شركت حاضر در بورس اوراق بهادار تهران، 150 شركت در بازه زماني فروردين 1391 الي اسفند 1393 با استفاده از روش غربال گري به عنوان نمونه نهايي انتخاب شدند. داده­ هاي مربوط به اين شركت­ها توسط الگوريتم­ هاي بكار رفته در تحقيق مورد تجزيه و تحليل قرار گرفت و كارآيي آنها با يكديگر مقايسه گرديد. نتايج پژوهش حاكي از آن است كه الگوريتم ­­هاي ALOGA و PBILDE كارايي مناسبي براي حل مسأله ­ي بهينه ­سازي سبد سهام دارند. بعلاوه، با استفاده از الگوريتم ALOGA مي­توان با دقت و كارايي بالا سبد سهام بهينه تشكيل داد.

In financial studies, portfolio can be defined as a set of investments that are selected and accepted by an individual or institution. Portfolio selection is one of the main concerns of investors in financial markets. The average-variance model with bound restrictions is considered as one of the main models in solving the portfolio optimization problem. In terms of complexity, this model is a polynomials NP-hard non-linear problem that cannot be accurately solved. In this study, an Antlion optimizer- Genetic algorithm (ALOGA) and a population based incremental learning and differential evolution algorithm (PBILDE), which are modern meta-heuristic models for solving optimization problem, are used to optimize the investment portfolio through increase the return and reduce the risk. Among 591 companies listed on Tehran stock exchange from April 2012 through March 2015, 150 companies were selected as the final sample using screening method. The data of these companies were analyzed using the applied algorithms in this research and their efficiency was compared together. The results indicate that ALOGA and PBILDE algorithms both are suitable for solving the portfolio optimization problem. In addition, using the ALOGA algorithm, it is possible to create an optimal portfolio with high accuracy and efficiency.