غلامحسین گل ارضی - استادیار، گروه مدیریت بازرگانی، دانشکده اقتصاد و مدیریت و علوم اداری، دانشگاه سمنان، سمنان، ایران.
حمیدرضا انصاری - کارشناسی ارشد، گروه مدیریت کسب وکار، دانشکده اقتصاد و مدیریت و علوم اداری، دانشگاه سمنان، سمنان، ایران.

هدف: هدف این پژوهش، مقایسه عملکرد دو الگوریتم از الگوریتم های بهینه سازی تکاملی چندهدفه، شامل الگوریتم ژنتیک مرتب سازی نامغلوب (NSGAII) و الگوریتم تکاملی قدرت پارتو بهبودیافته (SPEA۲) در دو رویکرد میانگین واریانس و میانگین نیمه واریانس برای انتخاب پرتفولیوی بهینه سهام در بورس اوراق بهادار تهران است. روش: این پژوهش با استفاده از داده های ۲۴۱سهم در یک بازه زمانی ۱۷۴ ماهه (از مهر ۱۳۸۵ تا پایان اسفند ۱۳۹۹) در بورس اوراق بهادار تهران صورت گرفته است. پس از طراحی الگوریتم های مدنظر و انتخاب پرتفولیوی بهینه بر اساس آن ها، با استفاده از نسبت شارپ و آزمون مقایسه میانگین ها، عملکرد این پرتفولیوها در مقاطع زمانی سه ماهه ارزیابی و مقایسه شدند. یافته ها: با انجام آزمون فرضیه، روی نسبت شارپ پرتفولیوهای تشکیل شده طبق الگوریتم های پژوهش، مشخص شد که الگوریتم SPEA۲ نسبت به الگوریتم NSGAII عملکرد بهتری دارد. با انجام آزمون برگشت (بک تست) با داده های واقعی سه ماهه منتهی به پایان سال ۱۴۰۰ این یافته تایید شد. همچنین نتایج حاصل از آزمون مقاومت، برتری الگوریتم SPEA۲ به عنوان الگوریتم برتر در این پژوهش را نسبت به مدل سنتی مارکوویتز تایید کرد. نتیجه گیری: نتایج این پژوهش نشان می دهد که الگوریتم SPEA۲ نسبت به الگوریتم NSGAII در هر دو رویکرد میانگین واریانس و میانگین نیمه واریانس برای انتخاب پرتفولیوی بهینه عملکرد بهتری است.

انتخاب پرتفولیوی بهینه سهام, الگوریتم های تکاملی, الگوریتم ژنتیک مرتب سازی نامغلوب, الگوریتم تکاملی قدرت پارتو