محمدرضا ناهیدی امیرخیز - استادیاردانشکده مدیریت و حسابداری گروه اقتصاد،واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
وحید دهقان - دانشجوی کارشناسی ارشد مدیریت مالی موسسه آموزش عالی ارس-گروه مدیریت،تبریز،ایران

ریسک و بازده دو عاملی هستند که همواره در حوزه سرمایه گذاری مطرح بوده اند .همزمان با به وجودآمدن مدل هایی جهت بهینه سازی سبد سهام که مهم ترین آن مدل مارکویتز بوده، لزوم شناخت روشهای حل این مدل ها نیز از اهمیت بسزایی برخوردار شده اند از مهم ترین روش های فرا ابتکاری برای حل مدل های بهینه سازی سبد سهام الگوریتم ژنتیک و الگوریتم کلونی مورچگان می باشد، که هدف اصلی از این تحقیق بررسی میزان کارایی این دو الگوریتم در بهینه سازی سبد سهام بوده است . بدین منظور در این تحقیق یکبار با استفاده از الگوریتم ژنتیک ویک بار با الگوریتم کلونی مورچگان و با استفاده از معیار های واریانس و نیمه واریانس و ارزش در معرض ریسک مرز کارای بهینه را به دست آورده ونتایج با هم مقایسه شد. با مقایسه نتایج حاصل شده توسط نرم افزار مطلب نهایتا این نتیجه حاصل شد که با توجه به پیچیده بودن عمل تصمیم گیری در انتخاب سبد سرمایه گذاری، تلفیق یک سری از الگوریتم ها ممکن است نتایج بهتری را حاصل کند، همانطور که در این پژوهش این نتیجه حاصل شد که با کمک روش طبقه بندی و سپس انتخاب طبقه ی بهینه برای ورودی الگوریتم ژنتیک و الگورتیم مورچگان، کمک گرفته شود. در مقایسه بین نتایج مشخص شد که افزایش بازده و کاهش ریسک در الگوریتم ژنتیک به نسبت الگوریتم مورچگان بهتر است.

کلونی مورچگان ، ژنتیک ، واریانس،نیمه واریانس، ارزش در معرض ریسک (VaR)