بهینه سازی سبد سهام با استفاده از الگوریتم ازدحام ذرات در تعاریف مختلف اندازه گیری ریسک

این مقاله از الگوریتم ازدحام ذرات برای بهینه‌‌یابی سبد دارایی مارکوویتز با توجه به معیارهای متفاوت اندازه‌گیری ریسک یعنی میانگین واریانس، میانگین نیم- ‌واریانس و میانگین قدر مطلق انحرافات و همچنین محدودیتهای موجود در بازار واقعی مانند "اندازه ثابت تعداد سهام" و "محدودیت خرید"  استفاده کرده است. برای بررسی قابلیت حل این مسائل به کمک این الگوریتم، از داده‌های واقعی 186 شرکت در بورس اوراق بهادار تهران در فاصله زمانی تیر 1385 تا تیر 1390 استفاده شده‌است. نتایج به دست آمده از این پژوهش حاکی از عملکرد موفق الگوریتم PSO در محاسبه مرز کارای مارکوویتز در تعاریف مختلف اندازه گیری ریسک است.  Abstract In this paper, Particle Swarm Optimization (PSO) is employed to optimize Markowitz portfolio based on different risk measurement criteria, namely, mean-variance, semi-variance and mean absolute deviation considering constraints of real markets such as "fixed stock numbers" and "cardinality constraints". To investigate the efficiency of the proposed algorithm, the data obtained from 186 companies of Tehran Stock Exchange in duration of Tir of 1385 until Tir of 1390 are used. The obtained results demonstrate the efficiency of PSO as a promising method in calculating appropriate constraint of Markowitz based on different definitions of risk measurement.