بهینه سازی سبد سهام با استفاده از الگوریتم ژنتیک و روش k-means بهبود یافته بر پایه الگوریتم ژنتیک
کد مقاله : 1051-FEMATH-FULL (R1)
نویسندگان:
1عادل آذر، 2احمدرضا یزدانیان، 3مریم قندهاری *
1رئیس مرکز آمار ایران
2استادیار دانشکده ریاضی دانشگاه سمنان
3شرکت تامین سرمایه نوین- رئیس اداره
چکیده مقاله:
در این مقاله به بهینه سازی سبد سهام با رویکرد کمینه کردن ریسک در معرض خطر (VaR) و بیشینه کردن بازده پرتفوی به صورت همزمان خواهیم پرداخت. الگوریتم مورد استفاده، الگوریتمی پویا براساس الگوریتم ژنتیک و مفاهیم ارزش در معرض خطر می‌باشد. الگوریتم مذکور متفاوت از الگوریتم ژنتیک کلاسیک است. این الگوریتم با نگه داشتن بهترین کوروموزوم در هر نسل و استفاده از آن در جواب نهایی باعث بهبود الگوریتم کلاسیک شده است. از الگوریتم مذکور برای به دست آوردن وزن‌های بهینه در سبد سهام و همچنین بهبود الگوریتم K-means برای طبقه‌بندی داده‌ها استفاده شده است. بنابراین دیدگاهی که در این مقاله وجود دارد، شامل طبقه‌بندی اطلاعات خام سهم‌ها با روش k-means بهبود یافته و سپس استفاده از بهینه‌ترین طبقه جهت تعیین سبد بهینه سهام می‌باشد. به همین منظور اطلاعات بورس اوراق بهادار تهران طی سال‌های 1391، 1392 و 1393 به صورت روزانه مورد استفاده قرار گرفته است. از آنجا که توزیع داده‌ها نرمال نبوده، از آزمون‌های آمار ناپارامتریک جهت آزمون فرضیات استفاده شده است. نتایج تحقیقات بیانگر آن است که طبقه‌بندی داده‌ها و سپس اجرای الگوریتم ژنتیک روی طبقه بهینه موجب دستیابی به پرتفوی می‌شود که نسبت به پرتفوهای حاصل از اجرای الگوریتم ژنتیک کلاسیک به تنهایی و یا حتی همراه با الگوریتم k-means ساده جهت طبقه‌بندی، دارای ریسک کمتر و بازدهی بیشتر است.
کلیدواژه ها:
الگوریتم ژنتیک، الگوریتم طبقه بندی، روش k-means، ارزش در معرض خطر.
وضعیت : مقاله برای ارائه شفاهی پذیرفته شده است