به کارگیری الگوریتم ژنتیک برای انتخاب پرتفولیوی بهینه ای با اهداف غیرخطی (بورس اوراق بهادار تهران)

عموماً سرمایه­گذار در مسئله انتخاب پرتفولیو اهداف چندگانه و متناقضی از قبیل بازدهی، ریسکو نقدشوندگی مدنظر دارد. از طرف دیگر سرمایه­گذاردارای ترجیحات خاص خود در مورد اهداف است. مرور ادبیات تحقیق نشان می­دهد، از جمله اهدافی که در مسئله انتخاب پرتفولیو استفاده نشده است، حداقل کردن ریسک غیرسیستماتیک و حداکثرسازی چولگی بازدهی پرتفولیو است. در این تحقیق سعی شده است به منظور انتخاب پرتفولیوی بهینه، از بین سهام 50 شرکت برتر بورس اوراق بهادار تهران مدلی چندهدفه برای بهینه­کردن اهداف، بازدهی، ریسک سیستماتیک، ریسک غیرسیستماتیک، نقدشوندگی، ضریب چولگی و نسبت شارپ طراحی شود. مدل طراحی شده غیرمحدب است و نمی­توان آن را با الگوریتم­های تحقیق در عملیات بهینه کرد. بنابراین از الگوریتم ژنتیک برای بهینه کردن مدل استفاده شده است. مقایسه جواب حاصل از الگوریتم ژنتیک با مدل کلاسیک مارکویتز و مدل آرمانی با اهداف خطی و غیرخطی (درجه دوم) نشان می­دهد که اگرچه بازدهی پرتفولیو حاصل از الگوریتم ژنتیک کمتر از مدل های دیگر است، اما کاهش بازدهی با کاهش در میزان ریسک جبران شده و معیارهای تعدیل شده بر مبنای ریسک بر بهتر بودن جواب حاصل از الگوریتم ژنتیک صحه می­گذارد. همچنین پرتفولیو حاصل، تنوع بیشتری نسبت به پرتفولیو مدل های دیگر دارد.