مقایسۀ اثر روش‌های بهینه‌یابی و برآورد بازده مورد انتظار بر سبد بهینۀ سهام

در این مقاله نتایج دو روش بهینه‌سازی‌‌ سبد سهام (روش متعارف کلاسیک و فراابتکاری ژنتیک) با استفاده از دو روش برآورد نرخ‌ها‌ی بازده مورد انتظار (شبکه‌ها‌ی عصبی و میانگین بازده تاریخی) در مدل مارکویتز با هم مقایسه شده‌اند. بازار سرمایۀ مورد مطالعه در این تحقیق بورس اوراق بهادار تهران با داده‌ها‌ی هفتگی شهریور 1389 تا شهریور 1390 است. نتایج نشان می‌دهند با اینکه دو روش کلاسیک و ژنتیک وزن‌ها‌ی مختلفی برای تشکیل سبد سرمایه‌گذاری توصیه می‌کنند، ترکیب آن‌ها سطح ریسک و بازده تقریباً یکسانی دارند. با توجه به اینکه حل مسائل با ابعاد خیلی بزرگ با روش کلاسیک مشکل و زمان‌بر است، الگوریتم ژنتیک روش جایگزین مناسبی برای حل مدل‌ها‌ی پیچیدۀ تشکیل سبد سهام است. بازده حاصل از سبد سهام برای چهار زمان پیش‌بینی با استفاده از بازده‌ها‌ی مورد انتظار شبکۀ عصبی و میانگین بازده تاریخی نشان می‌دهد، روش شبکۀ عصبی در 3 ماه ابتدایی بهتر از روش میانگین بازده تاریخی عمل کرده است.