بررسی کارآمدی مدلهای بهینه سازی فرا ابتکاری الگوریتم ژنتیک چندهدفه تحت معیار ریسکMSV و الگوریتم ازدحام ذرات تحت معیار ریسکCVaR در تعیین سبد سهام شرکتهای پذیرفته شده در سازمان بورس اوراق بهادار
نویسندگان
1 گروه حسابداری، واحد کرج، دانشگاه آزاد اسلامی،کرج،ایران
2 گروه مدیریت، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
3 گروه ریاضی، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
4 گروه مدیریت صنعتی، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران.
5 گروه مهندسی صنایع، دانشکده فنی و مهندسی، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران.(
doi
10.30495/fed.2023.707996چکیده
چکیده انتخاب سبد سهام بهینه از اهداف اصلی مدیریت سرمایه است. امروزه ابزارها و تکنیکهای متعددی برای اندازهگیری ریسک سبد سرمایهگذاری و انتخاب سبد سهام بهینه ارائه شده است. در این مقاله، با استفاده از داده های 15 سهم که با روش نمونهگیری هدفمند از شرکتهای برتر سازمان بورس اوراق بهادار تهران انتخاب شدهاند 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 زمانی31/3/1394-31/3/1399 طی 5 سال به مدت 1183 روز محاسبه میشوند و سپس با استفاده از نرم افزار متلب مدلهای بهینه سازی فرا ابتکاری الگوریتم ژنتیک چند هدفه تحت معیار ریسکMSV و الگوریتم ازدحام ذرات تحت معیار ریسکCVaR با هم مقایسه میشوند. نتایج نشان میدهد 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 میباشد.