بهینه سازی سبد سهام با معیارهای مختلف سنجش ریسک با استفاده از الگوریتم جستجوی ممنوعه

مساله انتخاب سبد سهام از مهمترین مسائل حوزه مالی می باشد. فرمول بندی اولیه این مساله این است که پرتفویی انتخاب شود که ریسک سرمایه گذاری را ضمن در نظر گرفتن محدودیت هایی برای تامین سطح حداقلی از بازدهی، مینیمم کند. این مساله اولین بار توسط مارکویتز تحت مدل میانگین واریانس ارائه شد. اما مدل مارکویتز بسیاری از جنبه های غیر قابل اغماض دنیای واقعی را در نظر نمی گیرد، به همین دلیل معیار ریسک واریانس با توجه به شرایط دنیای واقعی ممکن است معیار مناسبی نباشد، و استفاده از معیار های دیگر ریسک مناسب تر به نظر می رسد، از طرفی با افزودن محدودیت هایی به این مساله میتوان مشکل را حل نمود، ولی در این صورت مساله به فرم مسائل سخت تبدیل می شود که روش های دقیق ریاضی برای حل آن در ابعاد بزرگ کارایی لازم را نخواهند داشت. هدف از این تحقیق این است که نشان داده شود الگوریتم فرا ابتکاری جستجوی ممنوعه قادر به حل مساله بهینه سازی پرتفوی با در نظر گرفتن محدودیت های اندازه سبد سهام و حدود بالا و پایین برای حجم سرمایه گذاری در هر سهم خواهد بود، برای این منظور چهار معیار مختلف واریانس، نیم واریانس، انحراف مطلق از میانگین و واریانس با چولگی برای کمینه شدن، ضمن بیشینه سازی معیار بازدهی در نظر گرفته می شوند.