مقایسه اثر روش های بهینه یابی و برآورد بازده مورد انتظار بر سبد بهینه سهام

در این مقاله نتایج دو روش بهینه سازی سبد سهام (روش متعارف کلاسیک و فراابتکاری ژنتیک) با استفاده از دو روش برآورد نرخ های بازده مورد انتظار (شبکه های عصبی و میانگین بازده تاریخی) در مدل مارکویتز با هم مقایسه شده اند. بازار سرمایه مورد مطالعه در این تحقیق بورس اوراق بهادار تهران با داده های هفتگی شهریور 1389 تا شهریور 1390 است.
نتایج نشان می دهند با اینکه دو روش کلاسیک و ژنتیک وزن های مختلفی برای تشکیل سبد سرمایه گذاری توصیه می کنند، ترکیب آن ها سطح ریسک و بازده تقریبا یکسانی دارند. با توجه به اینکه حل مسائل با ابعاد خیلی بزرگ با روش کلاسیک مشکل و زمان بر است، الگوریتم ژنتیک روش جایگزین مناسبی برای حل مدل های پیچیده تشکیل سبد سهام است. بازده حاصل از سبد سهام برای چهار زمان پیش بینی با استفاده از بازده های مورد انتظار شبکه عصبی و میانگین بازده تاریخی نشان می دهد، روش شبکه عصبی در 3 ماه ابتدایی بهتر از روش میانگین بازده تاریخی عمل کرده است.