انتخاب پرتفوی بهینه بر مبنای خوشهبندی با استفاده از الگوریتم ژنتیک

هرمقاله انتخاب سبدسهام به منظور حداکثرسازی سود یکی ازاصلی ترین دغدغه های سرمایه گذاران دربازارهای مالی می باشد روشهای موجوددرانتخاب بهینه سبدسهام ازکارایی لازم برخوردار نبوده و لذا برای حل این مشکل الگوریتم های ابتکاری موردتوجه قرارگرفته اند الگوریتم ژنتیک یکی ازالگوریتم های ابتکاری است که میتواند مساله بهینه سازی را با کارایی بیشتری انجام دهد مساله دیگر آن است که سرمایه گذاران ویژگیهای شخصیتی متفاوتی باهم دارند ریسک گریز، ریسک پذیر و ... وهمچنین ممکن است به اطلاعاتی دسترسی داشته باشند که میزان سرمایه گذاری فرد را درشرکت خاصی کنترل نماید که درکارهای انجام شده قبلی این مسائل درنظر گرفته نشده اند هدف اساسی ازانجام این تحقیق بدست آوردن مدل انتخاب پرتفوی براساس سه معیار میانگین بازدهی واریانس بازدهی و نقدشوندگی دربورس اوراق بهادار می باشد به گونه ای که ضمن بیشینه نمودن بازده و نقدشوندگی ریسک سرمایه گذاری را نیز کمینه نماید دراین پژوهش 147 شرکت ازمیان شرکت های پذیرفته شده دربورس اوراق بهادارتهران بعنوان نمونه انتخاب شده اند و پس ازمحاسبه متغیرهای اصلی تحقیق و خوشه بندی شرکت ها به تهیه الگوریتم ژنتیک به منظور حداکثر کردن تابع هدف باتوجه به سلیقه و ترجیحات سرمایه گذارمی پردازیم هدف اصلی تشکیل سبدی ازسهام که ضمن بیشینه نمودن بازدهی و نقدشوندگی ریسک سرمایه گذاران را حداقل کرده و ترجیحات و سلایق سرمایه گذران را درانتخاب پرتفوی دخیل نماید نتایج حاصل ازاین تحقیق نشان میدهد که درحالت با خوشه بندی بطور کارارتری میتوان سلیقه سرمایه گذاران درانتخاب پرتفوی اعمال کرد که موجب میشود سرمایه گذاران مطلوبیت بیشتری را بدست آورند درحالیکه بدون اعمال خوشه بندی ترجیحات و روحیات سرمایه گذار درانتخاب پرتفوی درنظر گرفته نمی شود

کلیدواژه ها:

الگوریتم ژنتیک ، خوشه بندی ، ریسک ، بازده ، نقدشوندگی