ارائه الگوریتم فرا ابتکاری برای انتخاب سبد سهام در شرایط عدم قطعیت

با افزایش استفاده از تکنیک های کمی در بازار سرمایه، مسئله انتخاب مدل های مالی با حداکثر اعتبار و کاهش خطای برآورد، از اهمیت زیادی برخوردار شده است. بهینه سازی پرتفوی و متنوع سازی در بازارهای مالی، با توسعه این مفهوم در سال 1952 و با چاپ مقاله مارکوویتز با عنوان «نظریه انتخاب پرتفوی» به نقطه اوج خود می رسد. وی پیشنهاد کرد که سرمایه گذار باید با در نظر گرفتن ریسک و بازده و ایجاد تعادل میان آن ها وجوه نقد خود را بین دارایی های مختلف توزیع کند. عدم اطمینان موجود در ورودی های مدل های مالی موجود باعث می شود تا مدیران سرمایه گذاری تمایل زیادی به استفاده از این مدل ها نداشته باشند. در مدل میانگین-واریانس، ورودی ها شامل بازده مورد انتظار و کوواریانس بین دارایی های مختلف است. عدم قطعیت در این داده های ورودی، تأثیر فراوانی بر اوزان تخصیص یافته به دارایی ها خواهد داشت. در این تحقیق، رویکرد مورد استفاده برای برخورد با عدم قطعیت داده های ورودی استفاده از بهینه سازی استوار است. همچنین محدودیت های عدم فروش استقراضی و محدودیت کاردینالی که باعث تخصیص همه سرمایه موجود به تعداد مشخصی از دارایی ها می شود به نظیر استوار مدل کلاسیک میانگین-واریانس مارکوویتز اضافه شده است. به دلیل پیچیدگی مدل بندی های ارائه شده و عدم حل آن ها در ابعاد واقعی توسط روش های معمول، استفاده از الگوریتم های فرا ابتکاری پیشنهاد می شود. در این پژوهش از الگوریتم نسبتاً جدید رقابت استعماری استفاده شده است. برای سنجش کارایی این الگوریتم، به مقایسه جواب مدل ها در حالت حل با روش های قطعی و با تعداد دارایی محدود و جواب حاصل از الگوریتم رقابت استعماری پرداختیم. نتایج نشان دهنده عدم وجود اختلاف معنی دار بین دو رویکرد است. برای ارزیابی مدل های ارائه شده با استفاده از اطلاعات موجود در سازمان بورس اوراق بهادار تهران اقدام به انتخاب سبدی متشکل از 15 دارایی 66 شرکت پذیرفته شده در بورس کردیم. شرکت های مورد نظر بیشترین حضور را در بین 50 شرکت پذیرفته شده در سازمان بورس اوراق بهادار طی سال های 88 تا 92 داشته اند. در مرحله بعد به مقایسه مدل بندی های ارائه شده در سطوح احتمالی 99% و 95% برای رد شدن محدودیت ها پرداختیم و آن ها را با استفاده از معیار شارپ رتبه بندی کردیم. در نهایت پیشنهاد هایی برای توسعه در تحقیقات آتی ارائه شده است.