بهینه سازی سبد سهام با استفاده از الگوریتم ژنتیک چند هدفه (NSGA II) و ماکزیمم نسبت شارپ

یکی از مسائل مهم حوزه مالی چگونگی انتخاب سبد سرمایه گذاری است. فعالان این حوزه در صدد انتخاب سبدی هستند که با میزان بازدهی بالا ، ریسک را تحت کنترل قرار دهد. با توجه به افزایش محدودیت های بازار سرمایه کارایی روش های کلاسیک مورد بحث قرار گرفته است. از این رو توجه محققین به سمت الگوریتم های فرا ابتکاری معطوف شده است. هدف این پژوهش تعیین سبد بهینه ی شرکت های دارویی پذیرفته شده در بازار بورس اوراق بهادار تهران به دو روش الگوریتم ژنتیک چندهدفه (NSGA-II) و ماکزیمم نسبت شارپ است. در این پژوهش الگوریتم ژنتیک چند هدفه (NSGA-II) تحت معیار ریسک ارزش در معرض خطر مشروط است. همچنین از داده های ۱۳ شرکت در دوره زمانی۹۷-۹۰ برای تشکیل سبد استفاده شده است. نتایج حاکی از آن است که در روش الگوریتم ژنتیک چند هدفه (NSGA-II) سهامی که کمترین ارزش در معرض خطر را دارد، بیشترین وزن را در سبد بهینه بدست می آورد. همچنین سبد بهینه شده به روش الگوریتم ژنتیک چند هدفه (NSGA-II) بازده بیشتر و در عین حال ریسک کمتری دارد.

بهینه سازی سبد سهام با استفاده از الگوریتم ژنتیک چند هدفه (NSGA II) و ماکزیمم نسبت شارپ Keywords:

سبد سهام , مارکوئیتز , الگوریتم ژنتیک چند هدفه , ارزش در معرض خطر مشروط , نسبت شارپ , مرزکارا , خط بازار سرمایه