بهینه‌سازی پرتفوی ردیابی شاخص بر اساس بتای نامطلوب مبتنی بر الگوریتم‌های تکاملی

بهینه‌سازی سبد سهام همواره یکی از با اهمیت‌ترین مسائل در علوم مالی است. استراتژی‌های مختلفی برای مدیریت پرتفوی سبد سهام استفاده شده‎اند که به‎طور عمده می‎توان آنها را بر دو نوع فعال و غیرفعال دسته‎بندی کرد. یکی از مهم‌ترین رویکردهای مدیریت غیرفعال پرتفوی، تشکیل پرتفوی ردیاب شاخص است. به‎منظور تشکیل پرتفوی ردیاب شاخص از مدل‌ها و الگوریتم‌های مختلفی استفاده می‌شود. پژوهش پیش ‌رو به‎منظور بررسی عملکرد پرتفوی ردیاب شاخص با رویکرد نامتقارن و وارد کردن بتای نامطلوب در مدل ردیاب شاخص برای بهبود عملکرد آن است. به این منظور، ضمن به‎کارگیری سه مدل برای ردیابی شاخص، از دو الگوریتم تکاملی ژنتیک و تکامل دیفرانسیلی برای حل مدل مد نظر بهره برده شد. به‎منظور بررسی کارایی مدل نیز، از داده‌های بورس اوراق بهادار تهران استفاده شده است. نتایج در انتها نشان داد مدلی که بر مبنای بتای نامطلوب ارائه‎شده و توسط الگوریتم تکامل دیفرانسیلی حل شده است، کارایی بیشتری دارد.