مقایسه عملکرد الگوریتم‌های تکاملی NSGAII و SPEA2 در انتخاب پرتفولیوی بهینه در بورس اوراق بهادار تهران مقالة

تحقیقات مالی پاییز 1401، دوره بیست و چهارم - شماره 3 التصنيف الف (Ministry of Science/ISC (‎21 صفحة - من 410 إلی 430 )

الکلمات المفتاحية: الگوریتم ژنتیک مرتب‌سازی نامغلوب انتخاب پرتفولیوی بهینه سهام الگوریتم تکاملی قدرت پارتو الگوریتم‌های تکاملی Optimal portfolio Evolutionary Algorithm Strength Pareto evolutionary algorithm non-dominated sorting genetic algorithm الگوریتم پرتفولیو انتخاب پرتفولیوی بهینه بورس اوراق بهادار تهران انتخاب پرتفولیو واریانس عملکرد

fa en

خلاصة:

هدف: هدف این پژوهش، مقایسه عملکرد دو الگوریتم‌ از الگوریتم‌های بهینه‌سازی تکاملی چندهدفه، شامل الگوریتم ژنتیک مرتب‌سازی نامغلوب (NSGAII) و الگوریتم تکاملی قدرت پارتو بهبودیافته (SPEA2) در دو رویکرد میانگین ـ واریانس و میانگین ـ نیمه‌واریانس برای انتخاب پرتفولیوی بهینه سهام در بورس اوراق بهادار تهران است. روش: این پژوهش با استفاده از داده‌های 241سهم در یک بازه زمانی 174 ماهه (از مهر 1385 تا پایان اسفند 1399) در بورس اوراق بهادار تهران صورت گرفته است. پس از طراحی الگوریتم‌های مدنظر و انتخاب پرتفولیوی بهینه بر اساس آن‌ها، با استفاده از نسبت شارپ و آزمون مقایسه میانگین‌ها، عملکرد این پرتفولیوها در مقاطع زمانی سه‌ماهه ارزیابی و مقایسه شدند. یافته‌ها: با انجام آزمون فرضیه، روی نسبت شارپ پرتفولیوهای تشکیل‌شده طبق الگوریتم‌های پژوهش، مشخص شد که الگوریتم SPEA2 نسبت به الگوریتم NSGAII عملکرد بهتری دارد. با انجام آزمون برگشت (بک تست) با داده‌های واقعی سه‌ماهه منتهی به پایان سال 1400 این یافته تایید شد. همچنین نتایج حاصل از آزمون مقاومت، برتری الگوریتم SPEA2 به‌عنوان الگوریتم برتر در این پژوهش را نسبت به مدل سنتی مارکوویتز تایید کرد. نتیجه‌گیری: نتایج این پژوهش نشان می‌دهد که الگوریتم SPEA2 نسبت به الگوریتم NSGAII در هر دو رویکرد میانگین ـ واریانس و میانگین ـ نیمه‌واریانس برای انتخاب پرتفولیوی بهینه عملکرد بهتری است.

Objective: One of the most important issues for all investors, including individual and institutional investors in the stock market, is finding the optimal portfolio. Identifying the optimal portfolio in the stock market can be considered a two-objective optimization problem. This problem maximizes and minimizes the return and risk of the portfolio, respectively. Like other multi-objective optimization problems, the portfolio optimization problem can be solved by multi-objective evolutionary algorithms (MOEAs). Accordingly, the Non-dominated Sorting Genetic Algorithm ( ) and Strength Pareto Evolutionary Algorithm ( ), as the two advanced algorithms of multi-objective evolution algorithms, can be used to solve this problem. These algorithms identify the optimal solution by ranking and archiving solutions located on the Pareto frontier. The purpose of this research is to compare the performance of and in mean-variance and mean-semi-variance approaches to identify the optimal stock portfolio. Methods: This research investigated 241 stocks enlisted on the Tehran Stock Exchange (TSE). It was conducted within 174 months from September 2006 to March 2019. The researchers first identified the optimal portfolio using NSGAII and SPEA2 algorithms through two approaches including mean-variance and mean-semi-variance. Then, by conducting a statistical hypothesis test on the average Sharp ratio of extracted portfolios, the performance of NSGAII and SPEA2 algorithms were compared. To confirm the research findings, a robustness test was done by comparing the performance of the SPEA2 algorithm with the traditional Markowitz model. Also, to ensure the stability of research findings, the performance of two algorithms in the mean-variance and mean-semi variance approaches were compared with quarterly data ending March 2022. Results: According to the obtained results, the SPEA2 algorithm has better performance than the NSGAII algorithm in both approaches. Backtesting the real data for the quarter ending inMarch 2022 confirmed the findings of the present study. Also by doing robustness tests, the researchers found the SPEA2 algorithm as the superior algorithm in this research with better performance than Markowitz's basic model. Conclusion: The results indicated that the 2 algorithm has better performance in selecting the optimal portfolio than the algorithm in both the mean-variance and mean-semi variance approaches. Regardless of how the stock returns are distributed, this study recommends that individual and institutional investors use the SPEA2 algorithm to determine the optimal portfolio arrangement.

ملخص الجهاز:

com چکيده هدف : هدف اين پژوهش ، مقايسه عملکرد دو الگوريتم از الگوريتم هاي بهينه سازي تکاملي چندهدفه ، شامل الگوريتم ژنتيک مرتب سـازي نامغلوب (NSGAII) و الگوريتم تکاملي قدرت پارتو بهبوديافته (SPEA٢) در دو رويکرد ميانگين ـ واريـانس و ميـانگين ـ نيمـه واريـانس براي انتخاب پرتفوليوي بهينه سهام در بورس اوراق بهادار تهران است . نتيجه گيري : نتايج اين پژوهش نشان مي دهد که الگوريتم SPEA٢ نسبت به الگوريتم NSGAII در هر دو رويکرد ميانگين ـ واريـانس و ميانگين ـ نيمه واريانس براي انتخاب پرتفوليوي بهينه عملکرد بهتري است . Deb, Pratap, Agarwal & Meyarivan 3. نوآوري پژوهش حاضر در مقايسه با ديگر پژوهش هاي صورت گرفته ، در اين اسـت کـه ايـن پـژوهش بـه صـورت هم زمان به مقايسة عملکرد دو الگوريتم تکاملي NSGAII و SPEA٢ در انتخاب پرتفوليوي بهينه با دو رويکرد ميانگين ـ واريانس و ميانگين ـ نيمه واريانس مي پردازد. Kaucic, Moradi & Mirzazadeh الگوريتم تکاملي قدرت پارتو بهبوديافته الگوريتم تکاملي قدرت پارتو بهبوديافته SPEA٢ به دليل توانايي خاص آن در اسـتخراج مقـادير بـرازش شـده در سـطح وسيع و نيز ارائه معياري جهت مقايسه جواب هاي نـامغلوب ، يکـي ديگـر از الگـوريتم هـاي مناسـب جهـت حـل مسـائل بهينه سازي چند هدفه مثل شناسايي پرتفوليوي بهينه است (ماسدو و همکاران ، ٢٠١٧). (به تصویر صفحه مراجعه شود) نتيجه آزمون فرضيه پژوهش در هر دو رويکرد ميانگين ـ واريانس و ميانگين ـ نيمه واريـانس نشـان دهنـدة برتـري عملکرد الگوريتم SPEA٢ به NSGAIIدر انتخاب پرتفوليوي بهينه در بورس اوراق بهادار تهران است .

استلام ملف الإرجاع :
(پژوهیار, , , )

تحميل
تحميل HTML

رابط قصير:

صفحة:

دخول / الاشتراک

تحتاج الدخول لعرض محتوى المقالة. إذا لم تكن عضوًا ، فتابع من الجزء الاشتراک.

دخول