مقایسه الگوریتم ژنتیک و علف های هرز در بهینه سازی پرتفوی و مقایسه مدل AR غیرخطی و میانگین ساده در پیش بینی بازده مورد انتظار

در این مطالعه، به بررسی و مقایسه عملکرد الگوریتم ژنتیک و علف­های هرز در بدست آوردن مرزکارا مدل میانگین نیم­واریانس مقید پرداخته می­شود. و همچنین دو روش AR غیرخطی و میانگین ساده در بدست آوردن بازده مورد انتظار، مورد مقایسه قرار می­گیرند. در این مطالعه از 23 سهم فعال­تر بازار استفاده می­شود که بازده آنها از تاریخ 01/04/93 تا 01/04/95 مورد استفاده قرار گرفته است. نتایج نشان می­دهد که الگوریتم علف­های هرز برخلاف استفاده از زمان بیشتر، توانسته عملکرد بهتری را به نمایش بگذارد و همچنین، مقایسه روش­های پیش­بینی بازده مورد انتظار نشان می­دهد که مدل AR مرتبه دوم توانسته با خطای کمتری بازده مورد انتظار را پیش­بینی نماید. در نهایت، با مقایسه مرزکارای پیش­بینی شده و مرزکارای واقعی، به این نتیجه می­رسیم که مدل پیش­بینی مورد نظر در ریسک­های کمتر پیش­بینی بهتری انجام داده است که در آن ناحیه می­توان با اطمینان بیشتری نسبت به تخصیص دارایی­ها اقدام نمود..