مقایسۀ اثر روش های بهینه یابی و برآورد بازده مورد انتظار بر سبد بهینۀ سهام

در این مقاله نتایج دو روش بهینه سازی سبد سهام (روش متعارف کلاسیک و فراابتکاری ژنتیک) با استفاده از دو روش برآورد نرخ ها ی بازده مورد انتظار (شبکه ها ی عصبی و میانگین بازده تاریخی) در مدل مارکویتز با هم مقایسه شده اند. بازار سرمایۀ مورد مطالعه در این تحقیق بورس اوراق بهادار تهران با داده ها ی هفتگی شهریور 1389 تا شهریور 1390 است. نتایج نشان می دهند با اینکه دو روش کلاسیک و ژنتیک وزن ها ی مختلفی برای تشکیل سبد سرمایه گذاری توصیه می کنند، ترکیب آن ها سطح ریسک و بازده تقریباً یکسانی دارند. با توجه به اینکه حل مسائل با ابعاد خیلی بزرگ با روش کلاسیک مشکل و زمان بر است، الگوریتم ژنتیک روش جایگزین مناسبی برای حل مدل ها ی پیچیدۀ تشکیل سبد سهام است. بازده حاصل از سبد سهام برای چهار زمان پیش بینی با استفاده از بازده ها ی مورد انتظار شبکۀ عصبی و میانگین بازده تاریخی نشان می دهد، روش شبکۀ عصبی در 3 ماه ابتدایی بهتر از روش میانگین بازده تاریخی عمل کرده است.