مسعود حسینی - دانشجو کارشناسی ارشد، گروه حسابداری، دانشگاه آزاد اسلامی واحد بیرجند، ایران
کریم نخعی - استادیار گروه حسابداری، دانشگاه آزاد اسلامی واحد بیرجند، ایران

از زمانی که مارکوویتز نظریه مدرن پورتفولیو را معرفی کرد، مسئلهبهینه سازی پورتفولیو به یک مسئله استاندارد در مهندسی مالی تبدیلشده است. هدف آن یافتن بهترین تخصیص سرمایه در میان گروهی ازدارایی ها با به حداقل رساندن همزمان ریسک و به حداکثر رساندنبازده سرمایه گذاری است. در مواردی که محدودیت های خطی اعمالمیشود، مشکل را می توان با استفاده از برنامه ریزی درجه دوم حلکرد. با این حال، بازارهای مالی دنیای واقعی محدودیت های غیرخطیرا معرفی می کنند، مانند محدودیت های اصلی که تعداد دارایی هایموجود در پرتفوی را محدود می کند، حداقل تعداد معاملاتی که نیازبه نگهداری دارایی ها در واحدهای مجزا دارند، یا هزینه های معاملاتیکه تمایل دارند منابع کوچک را حذف کنید هنگام در نظر گرفتن اینمحدودیتها، مشکل از نظر محاسباتی چالش برانگیز می شود و از نظرنظری به عنوان NP-hard طبقه بندی می شود. الگوریتم ژنتیک (GA) بهخانوادهای از الگوریتم های تصادفی الهام گرفته شده از اصل انتخابطبیعی اشاره دارد که اغلب با بقای بهترین ها همراه است. الگوریتمژنتیک به طور گسترده در زمینه های مختلف استفاده میشود و مطالعاتتجربی نشان داده است که الگوریتم ژنتیک میتواند راه حل های تقریبیخوبی برای مسائل NP-hard ارائه دهد. هدف این مقاله این است که بهعنوان یک راهنمای مفید برای بکارگیری الگوریتم ژنتیک دربهینه سازی پورتفولیو مورد استفاده قرار گیرد.

الگوریتم های ژنتیک، بهینه سازی، پورتفولیو