مقایسه میزان دقت الگوریتم های سیاه چاله و جستجوی گرانشی در بهینه سازی سبد سهام و مقایسه با مارکوئیتز

هدف اصلی این تحقیق بهینه سازی سبد سهام در بورس اوراق بهادار تهران با استفاده از الگوریتم سیاه چاله و الگوریتم جستجوی گرانشی می باشد. همچنین الگوریتمی به نام الگوریتم ترکیبی یا هیبریدی که ترکیبی از دو الگوریتم فوق است ایجاد شده است تا نقاط ضعف این دو الگوریتم را پوشش دهد. در انتها نتایج با مدل مارکوییتز مقایسه شده و الگوریتم بهینه انتخاب شده است. به منظور تجزیه و تحلیل داده ها که همان اطلاعات استخراج شده از نرم افزارهای تی اس ای کلینت و ره آورد نوین می باشند، از نرم افزار های متلب نسخه 2016 و گمز و اس پی اس اس استفاده شد. نتایج حاکی از این است که در تمام سال ها روش هیبریدی معرفی شده در این تحقیق نزدیکترین جواب را به جواب دقیق که همان مارکوییتز است بدست آورده است. می توان برای بهینه سازی سبد سهام از الگوریتم های فرا ابتکاری سیاه چاله، جستجوی گرانشی و الگوریتم ترکیبی (هیبریدی) به جای مدل مارکوییتز با دقت و سرعت بالاتر استفاده کرد. بررسی نتایج مطالعه موردی حاضر و سایر مطالعات نشان می دهد که الگوریتم های سیاه چاله، جستجوی گرانشی و الگوریتم ترکیبی، برای حل مسائل بهینه سازی سبد سهام، از سرعت بالایی برخوردار هستند.

کلیدواژه ها:

الگوریتم سیاه چاله ، الگوریتم جستجوی گرانشی ، لگوریتم ترکیبی یا هیبریدی ، بهینه سازی شبد سهام