مقایسه عملکرد الگوریتمهای تکاملی NSGAIIو SPEA۲ در انتخاب پرتفولیوی بهینه در بورس اوراق بهادار تهران

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 184

فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JFR-24-3_005

تاریخ نمایه سازی: 11 آبان 1401

چکیده مقاله:

هدف: هدف این پژوهش، مقایسه عملکرد دو الگوریتم از الگوریتم های بهینه سازی تکاملی چندهدفه، شامل الگوریتم ژنتیک مرتب سازی نامغلوب (NSGAII) و الگوریتم تکاملی قدرت پارتو بهبودیافته (SPEA۲) در دو رویکرد میانگین واریانس و میانگین نیمه واریانس برای انتخاب پرتفولیوی بهینه سهام در بورس اوراق بهادار تهران است. روش: این پژوهش با استفاده از داده های ۲۴۱سهم در یک بازه زمانی ۱۷۴ ماهه (از مهر ۱۳۸۵ تا پایان اسفند ۱۳۹۹) در بورس اوراق بهادار تهران صورت گرفته است. پس از طراحی الگوریتم های مدنظر و انتخاب پرتفولیوی بهینه بر اساس آن ها، با استفاده از نسبت شارپ و آزمون مقایسه میانگین ها، عملکرد این پرتفولیوها در مقاطع زمانی سه ماهه ارزیابی و مقایسه شدند. یافته ها: با انجام آزمون فرضیه، روی نسبت شارپ پرتفولیوهای تشکیل شده طبق الگوریتم های پژوهش، مشخص شد که الگوریتم SPEA۲ نسبت به الگوریتم NSGAII عملکرد بهتری دارد. با انجام آزمون برگشت (بک تست) با داده های واقعی سه ماهه منتهی به پایان سال ۱۴۰۰ این یافته تایید شد. همچنین نتایج حاصل از آزمون مقاومت، برتری الگوریتم SPEA۲ به عنوان الگوریتم برتر در این پژوهش را نسبت به مدل سنتی مارکوویتز تایید کرد. نتیجه گیری: نتایج این پژوهش نشان می دهد که الگوریتم SPEA۲ نسبت به الگوریتم NSGAII در هر دو رویکرد میانگین واریانس و میانگین نیمه واریانس برای انتخاب پرتفولیوی بهینه عملکرد بهتری است.

کلیدواژه ها:

انتخاب پرتفولیوی بهینه سهام ، الگوریتم های تکاملی ، الگوریتم ژنتیک مرتب سازی نامغلوب ، الگوریتم تکاملی قدرت پارتو

نویسندگان

غلامحسین گل ارضی

استادیار، گروه مدیریت بازرگانی، دانشکده اقتصاد و مدیریت و علوم اداری، دانشگاه سمنان، سمنان، ایران.

حمیدرضا انصاری

کارشناسی ارشد، گروه مدیریت کسب وکار، دانشکده اقتصاد و مدیریت و علوم اداری، دانشگاه سمنان، سمنان، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :