ارائه ترکیبی از برنامه‌ریزی پویای تصادفی تقریبی و الگوریتم ژنتیک در بهینه‌سازی چندمرحله‌ای سبد سهام با معیار ریسک GlueVaR

هدف: انتخاب یک سبد سرمایه‌گذاری بهینه در طولانی‌مدت منطقی نیست و با گذشت زمان کارایی خود را از دست می‌دهد. هدف این مقاله ارائه روشی برای به‌روز کردن چندمرحله‌ای سبد سهام است. همچنین از آنجا که بعد این مسئله با گذشت دوره‌های زمانی، به‌صورت چشمگیری افزایش می‌یابد، حل مسئله به‌روش قطعی ممکن نیست، از این رو هدف دیگر، استفاده از روش تقریبی برای مقابله با این دغدغه است. روش: از برنامه‌ریزی پویای تصادفی تقریبی چندمرحله‌ای برای تعیین سبد بهینه سهام و رفع مشکل ناکارایی آن با گذشت زمان استفاده شده است. از نرخ‌های بازده به‌عنوان متغیر تصادفی طی دوره‌ها، از روش مونت کارلو برای سناریوسازی و از معیار ریسک GlueVaR به‌عنوان معیار اندازه‌گیری ریسک استفاده شده است. با استفاده از روش تقریبی، امکان حذف برخی از جواب‌های بهینه افزایش می‌یابد، از این رو، از الگوریتم ژنتیک برای جست‌وجو در اطراف پاسخ بهینه بهره برده شد تا در صورت امکان، جواب بهتری به‌دست آید. مدل‌سازی این پژوهش توسط نرم‌افزار متلب و آزمون‌های آن به‌کمک نرم‌افزار SPSS صورت پذیرفته است. یافته‌ها: در این مقاله از اطلاعات 100 شرکت برتر موجود در بورس اوراق بهادار تهران، در سال‌های 1390 تا 1396 استفاده شد و بر اساس روش برنامه‌ریزی پویای تقریبی پیشنهادی، الگوریتم ژنتیک و روش سبد سهام با وزن‌های برابر، به مقایسه بازدهی و ریسک سرمایه‌گذاری در سبدهای مختلف پرداخته شده است. نتیجه‌گیری: آزمون‌های آماری مربوطه نشان‌دهنده عملکرد بهتر روش پیشنهادی در مقایسه با دو روش دیگر است.