فاطمه دفاعی - گروه کامپیوتر،دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد مشهد
مجید وفایی جهان - گروه کامپیوتر،دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد مشهد

انتخاب بهینه سبد سهام به منظور بیشینه کردن سود و کمینه کردن ریسک نامطلوب یکی از اصلی ترین دغدغه هایسرمایه گذاران در بازارهای مالی است. مدل میانگین- نیم واریانس یکی از مدلهایی است که میتوان در این زمینهمورداستفاده قرارداد. در این تحقیق کوشش شده است که این مدل را با استفاده از الگوریتم بهینه سازی نوینی مبتنیبر مدل اسپین گلاس حل کند. توانایی بالا در جستجوی محلی یکی از مزیت های این الگوریتم است، به طوریکه با اجرایالگوریتم، مقادیر اسپین ها آنقدر تغییر می یابد تا سیستم به کمترین مقدار انرژی خود برسد ولی به این دلیل که باجستجوی محلی به سمت پاسخ بهینه حرکت می کند، سرعت همگرایی پایینی دارد و به منظور افزایش سرعت همگراییبه پاسخ بهینه، الگوریتم ترکیبی مدل اسپین گلاس با اتوماتای یاد گیر تصادفی پیشنهاد گردیده است.نتایج آزمایش ها نشان می دهد، الگوریتم ترکیبی می تواند بدون جابجایی اسپین ها و کمترین تغییر در الگوریتم اسپینگلاس به سرعت همگرایی سریعتری و کاهش قابل توجه زمان مصرفی و بهبود عملکرد منجر شود و مسئله انتخاب بهینهسبد سهام که یک مسئله غیر چندجمله ای است را حل کند. با بررسی توزیع بازده و مرز کارا نشان می دهد که توزیعبازده سهام در بازار واقعی، غیر نرمال است و معیار سنجش ریسک نیم واریانس معیار مناسبی است.

اتوماتای یاد گیر تصادفی، بهینه سازی سبد سهام، مدل اسپین گلاس، مدل میانگین – نیم واریانس