بهینه سازی چندهدفه تکاملی برای معاملات جفتی چند متغیره در بورس اوراق بهادار تهران: رویکرد هم انباشتگی

استراتژی معاملات جفتی یکی از قدیمی ترین و رایج ترین استراتژی های آربیتراژ آماری محسوب می شود. تشکیل جفت یک مرحله مهم در معاملات جفتی است که فقط به روش دستی مورد بررسی قرار گرفته است و این روش در حالت چند متغیره شکست خورده و اهداف متناقض را در ساختار مسیله در نظر نمی گیرد. مسیله اصلی پژوهش حاضر ارایه روشی است که ترکیب های جفتی چند متغیره را با در نظر گرفتن اهداف متناقض چندگانه و تمرکز بر رویکرد هم انباشتگی ایجاد کند. لذا ترکیبی از سهام در دو هدف متضاد ریسک (بازگشت به میانگین) و بازده (واریانس اسپرد) بهینه می شوند تا مجموعه ای از فرصت های معاملات جفتی چند متغیره سودآور را تشکیل دهند. جامعه آماری، شرکت های پذیرفته شده در بورس اوراق بهادار تهران هستند. نمونه آماری به واسطه نیاز به معاملات پربسامد از 50 شرکت برتر محدود شده است. مسیله در قالب یک مدل برنامه ریزی عدد صحیح مختلط (MIP) تدوین، و به دلیل محدودیت های غیرمحدب و فضای حل نمایی از الگوریتم ژنتیک چندهدفه برای به دست آوردن ترکیب های جفتی استفاده شده است. برای دستیابی به اهداف چندگانه، از نوع توسعه یافته الگوریتم ژنتیک؛ الگوریتم ژنتیک مرتب سازی نامغلوب آشوبناک (CNSGA-II) استفاده گردید. برای به دست آوردن راه حل های مناسب و با دقت بالا، از تیوری آشوب در ایجاد جمعیت اولیه الگوریتم ژنتیک استفاده شده است. تحقیقات نشان داده که استفاده از نظریه آشوب می تواند میزان همگرایی را در الگوریتم های تکاملی افزایش دهد. نتایج آزمایش های این پژوهش نشان می دهد که استراتژی های معاملات جفتی چند هدفه با تمرکز بر رویکرد هم انباشتگی نسبت به مدل تک هدفه سنتی از برتری معناداری برخوردار است.