الگوریتم نقطه ‌درونی در بهینه‌سازی سبد سهام چند هدفه: رویکرد GlueVaR

نویسندگان

1 کارشناسی ارشد، گروه حسابداری و مدیریت مالی، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران.

2 دانشیار، گروه حسابداری و مدیریت مالی، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران

3 استادیار، گروه ریاضی، دانشکده ریاضی، دانشگاه صنعتی ارومیه، ارومیه، ایران.

doi
10.22059/frj.2023.352338.1007424
چکیده

هدف: هدف اصلی این پژوهش، بهینه‌سازی سبد سهام با استفاده از الگوریتم ریاضی نقطه‏ درونی و استفاده از این الگوریتم در حل مسئله بهینه‌سازی پرتفوی چندهدفه است. روش: داده‌های این پژوهش، قیمت پایانی روزانه شرکت‏های فعال بورس اوراق بهادر تهران بود که در انتهای سال ۱۴۰۰، برای محاسبه شاخص ۵۰ شرکت برتر استفاده شد. از آنجا که دوره زمانی مورد مطالعه، سال‌های ۱۳۹۰ تا ۱۴۰۰ بود، از بین ۵۰ شرکت یادشده، فقط ۳۳ شرکت که در طول دوره بررسی داده‌های آن‌ها در دسترس بود، باقی ماند. برای بهبود مدل بهینه‌سازی نیز از الگوریتم ریاضی نقطه درونی استفاده شد. ریسک سرمایه‌گذاری در این مدل با معیار GlueVaR محاسبه شد و نتایج به‌دست‌آمده از حل مدل با سایر معیارهای اندازه‌گیری ریسک، همچون واریانس، ارزش در معرض ریسک (VaR) و ارزش در معرض ریسک شرطی (CVaR) نیز مقایسه شد. یافته‌ها: بر اساس یافته‌های پژوهش، در مدل بهینه‌سازی پرتفوی با معیار سنجش ریسک GlueVaR و الگوریتم بهینه‌سازی نقطه ‌درونی، در قیاس با دیگر معیارهای ریسک واریانس، ارزش در معرض ریسک (VaR) و ارزش در معرض ریسک شرطی (CVaR)، در یافتن مرز کارا عملکرد بهتری را نشان می‌دهد. همچنین الگوریتم نقطه ‌درونی در حل مسائل بهینه‌سازی دفعات تکرار کمتری را در یافتن نقطه بهینه از خود نشان می‌دهد که این خود دلیلی بر قوی بودن این الگوریتم است. نتیجه‌گیری: نتایج حاضر نشان می‌دهد که الگوریتم نقطه درونی قابلیت دارد که برای حل مسائل بهینه‌یابی سبد سهام استفاده شود و همچنین، معیار سنجش ریسک GlueVaR در مقایسه با معیارهای سنجش ریسک VaR، واریانس و CVaR می‌تواند برای بیشتر اشخاص با ترجیحات بازده و ریسک متفاوت، عملکرد بهتری داشته باشد.