بهینه سازی سبدهای سرمایه گذاری پیش بینی شده با استفاده از الگوریتم های چندهدفه

این پژوهش در راستای بهینه سازی سبد سرمایه گذاری با استفاده از الگوریتم های چند هدفه و همچنین مقایسه آنها با استفاده از روش های استاندارد برای انتخاب الگوریتم های مناسب بهینه سازی است. برای بررسی و بدست آوردن جواب های بهینه، سبد های سرمایه گذاری از الگوریتم های چند هدفه و همچنین برای پیش بینی ارزش در معرض ریسک از مدل MGARCH-BEKK استفاده شده است. بدین منظور پس از انتخاب شاخص صنعت های که دارای اثر خوشه ای اند، ماتریس Ht و بازده با استفاده از مدل BEKK برآورد و پیش بینی می شود. همچنین از دو الگوریتم چند هدفه ازدحام ذرات و الگوریتم چند هدفه ژنتیک برای تشکیل و بهینه سازی سبد های که در این پژوهش، بیشینه کردن بازده و کمینه کردن VaR، دو هدف این دو الگوریتم ها می باشد، استفاده می شود. نتایج به دست آمده در این پژوهش با استفاده از معیارهای مقایسه دو الگوریتم، برتری الگوریتم ژنتیک نسبت به الگوریتم MOPSO را نشان دادند.

کلیدواژه ها:

ازدحام ذرات ، بهینه سازی ، ژنتیک ، BEKK-MGARCH ، VaR