انتخاب بهینه سبد سهام با استفاده از الگوریتم ترکیبی هوش جمعی سالپ و سینوس کسینوس و شبکههای عصبی روبه جلو

انتخاب بهینه سبد سهام یک مسئله بهینه سازی است که توسط الگوریتم های فراابتکاری قابل حل است. قدرت جستجو در الگوریتم فراابتکاری ارتباط مستقیم با دقت انتخاب بهترین سهام در سبد پرتفوی دارد. الگوریتم هوش جمعی سالپ از الگوریتم های فراابتکاری جدید است که در انتخاب سبد بهینه سهام، نتایج خوبی داشته است. در این تحقیق راهکاری جدید جهت تقویت قدرت جستجو در الگوریتم هوش جمعی سالپ با استفاده از الگوریتم سینوس کسینوس ارائه شده است. در تحقیقات مشاهده می شود که مدل ریاضی میانگین واریانس مارکویتز یکی از اصلیترین راهکارها جهت انتخاب بهینه سبد سهام است اما بهتر است معیارهایی همچون چولگی با در نظر گرفتن پتانسیل آینده سهام نیز بررسی شود. در این تحﻘیق از ۲۰ شرکت اول از ۵۰ شرکت برتر سه ماهه اول سال ۱۳۹۸ استفاده شده است. در این تحقیق با استفاده از شبکه عصبی روبه جلو، پیش بینی قیمت پایانی آینده سهام انجام شده و سپس با استفاده از الگوریتم جدید هوش جمعی سالپ سینوسی کسینوسی جهت انتخاب بهینه سبد سهام استفاده می شود. نتایج تحﻘیق بیانگر آن است که مدلهای ارایه شده در این مﻘاله، در مﻘایسه با روشهای سنتی و شاخص بازار، بازدهی بالاتری را برای سرمایه گذاران فراهم می نماید.

Keywords:

سبد بهینه سهام , الگوریتم هوش جمعی سالپ , الگوریتم سینوس کسینوس , شبکه های عصبی روبه جلو