به کارگیری الگوریتم ژنتیک برای انتخاب پرتفولیوی بهینه ای با اهداف غیر خطی (بورس اوراق بهادار تهران)

عموما سرمایه گذار در مسئله انتخاب پرتفولیو اهداف چندگانه و متناقضی از قبیل بازدهی، ریسک و نقدشوندگی مدنظر دارد. از طرف دیگر سرمایه گذار دارای ترجیحات خاص خود در مورد اهداف است. مرور ادبیات تحقیق نشان می دهد، از جمله اهدافی که در مسئله انتخاب پرتفولیو استفاده نشده است، حداقل کردن ریسک غیرسیستماتیک و حداکثرسازی چولگی بازدهی پرتفولیو است. در این تحقیق سعی شده است به منظور انتخاب پرتفولیوی بهینه، از بین سهام 50 شرکت برتر بورس اوراق بهادار تهران مدلی چندهدفه برای بهینه کردن اهداف، بازدهی، ریسک سیستماتیک، ریسک غیرسیستماتیک، نقدشوندگی، ضریب چولگی و نسبت شارپ طراحی شود. مدل طراحی شده غیرمحدب است و نمی توان آن را با الگوریتم های تحقیق در عملیات بهینه کرد. بنابراین از الگوریتم ژنتیک برای بهینه کردن مدل استفاده شده است. مقایسه جواب حاصل از الگوریتم ژنتیک با مدل کلاسیک مارکویتز و مدل آرمانی با اهداف خطی و غیرخطی (درجه دوم) نشان می دهد که اگرچه بازدهی پرتفولیو حاصل از الگوریتم ژنتیک کمتر از مدل های دیگر است، اما کاهش بازدهی با کاهش در میزان ریسک جبران شده و معیارهای تعدیل شده بر مبنای ریسک بر بهتر بودن جواب حاصل از الگوریتم ژنتیک صحه می گذارد. همچنین پرتفولیو حاصل، تنوع بیشتری نسبت به پرتفولیو مدل های دیگر دارد.