بررسی کارآمدی مدل های بهینه سازی فرا ابتکاری الگوریتم ژنتیک چندهدفه تحت معیار ریسکMSV و الگوریتم ازدحام ذرات تحت معیار ریسکCVaR در تعیین سبد سهام شرکت های پذیرفته شده در سازمان بورس اوراق بهادار

چکیده انتخاب سبد سهام بهینه از اهداف اصلی مدیریت سرمایه است. امروزه ابزارها و تکنیک های متعددی برای اندازه گیری ریسک سبد سرمایه گذاری و انتخاب سبد سهام بهینه ارائه شده است. در این مقاله، با استفاده از داده های ۱۵ سهم که با روش نمونه گیری هدفمند از شرکتهای برتر سازمان بورس اوراق بهادار تهران انتخاب شده اند که شامل خپارس، خزامیا، وپاسار، فولاد، اخابر، کگل، فملی، تاپیکو، سپاها، فاذر، فخاس، شبهرن، شفن، قمرو و قثابت هستند، ابتدا بازده این سهام بصورت روزانه در بازه زمانی۳۱/۳/۱۳۹۴-۳۱/۳/۱۳۹۹ طی ۵ سال به مدت ۱۱۸۳ روز محاسبه می شوند و سپس با استفاده از نرم افزار متلب مدل های بهینه سازی فرا ابتکاری الگوریتم ژنتیک چند هدفه تحت معیار ریسکMSV و الگوریتم ازدحام ذرات تحت معیار ریسکCVaR با هم مقایسه می شوند. نتایج نشان می دهد که مدل الگوریتم ژنتیک چند هدفه تحت معیار ریسک MSV دارای بازده بیشتر و ریسک کمتری می باشد، در نتیجه مدل الگوریتم ژنتیک تحت معیار ریسک MSV از مدل الگوریتم ازدحام ذرات تحت معیار ریسک CVaR کارآمدتر می باشد.

Keywords:

واژه های کلیدی: بهینه سازی , الگوریتم زنتیک , الگوریتم ازدحام ذرات , ارزش در معرض خطر مشروط و میانگین- نیم واریانس. طبقه بندی JEL : M۴۲ ‎ , ‎ M۵۲‎