ارائه الگوریتم فرا ابتکاری برای انتخاب سبد سهام در شرایط عدم قطعیت

با افزایش استفاده از تکنیک‌های کمی در بازار سرمایه، مسئله انتخاب مدل‌های مالی با حداکثر اعتبار و کاهش خطای برآورد، از اهمیت زیادی برخوردار شده است. بهینه‌سازی پرتفوی و متنوع‌سازی در بازارهای مالی، با توسعه این مفهوم در سال 1952 و با چاپ مقاله مارکوویتز با عنوان «نظریه انتخاب پرتفوی» به نقطه اوج خود می‌رسد. وی پیشنهاد کرد که سرمایه‌گذار باید با در نظر گرفتن ریسک و بازده و ایجاد تعادل میان آن‌ها وجوه نقد خود را بین دارایی‌های مختلف توزیع کند. عدم اطمینان موجود در ورودی‌های مدل‌های مالی موجود باعث می‌شود تا مدیران سرمایه‌گذاری تمایل زیادی به استفاده از این مدل‌ها نداشته باشند. در مدل میانگین-واریانس، ورودی‌ها شامل بازده مورد انتظار و کوواریانس بین دارایی‌های مختلف است. عدم قطعیت در این داده‌های ورودی، تأثیر فراوانی بر اوزان تخصیص‌یافته به دارایی‌ها خواهد داشت. در این تحقیق، رویکرد مورد استفاده برای برخورد با عدم قطعیت داده‌های ورودی استفاده از بهینه‌سازی استوار است. همچنین محدودیت‌های عدم فروش استقراضی و محدودیت کاردینالی که باعث تخصیص همه سرمایه موجود به تعداد مشخصی از دارایی‌ها می‌شود به نظیر استوار مدل کلاسیک میانگین-واریانس مارکوویتز اضافه شده است. به دلیل پیچیدگی مدل‌بندی‌های ارائه‌شده و عدم حل آن‌ها در ابعاد واقعی توسط روش‌های معمول، استفاده از الگوریتم‌های فرا ابتکاری پیشنهاد می‌شود. در این پژوهش از الگوریتم نسبتاً جدید رقابت استعماری استفاده شده است. برای سنجش کارایی این الگوریتم، به مقایسه جواب مدل‌ها در حالت حل با روش‌های قطعی و با تعداد دارایی محدود و جواب حاصل از الگوریتم رقابت استعماری پرداختیم. نتایج نشان‌دهنده عدم وجود اختلاف معنی‌دار بین دو رویکرد است. برای ارزیابی مدل‌های ارائه‌شده با استفاده از اطلاعات موجود در سازمان بورس اوراق بهادار تهران اقدام به انتخاب سبدی متشکل از 15 دارایی 66 شرکت پذیرفته‌شده در بورس کردیم. شرکت‌های مورد نظر بیشترین حضور را در بین 50 شرکت پذیرفته‌شده در سازمان بورس اوراق بهادار طی سال‌های 88 تا 92 داشته‌اند. در مرحله بعد به مقایسه مدل‌بندی‌های ارائه‌شده در سطوح احتمالی 99% و 95% برای رد شدن محدودیت‌ها پرداختیم و آن‌ها را با استفاده از معیار شارپ رتبه‌بندی کردیم. در نهایت پیشنهاد‌هایی برای توسعه در تحقیقات آتی ارائه شده است.