بهینه‎سازی پرتفوی سهام با استفاده از روش حرکت تجمعی ذرات

نویسندگان

1 دانشیار دانشکده مدیریت دانشگاه تهران، ایران

2 دانشجوی کارشناسی ارشد مدیریت مالی دانشکده مدیریت دانشگاه تهران

چکیده

مسئله بهینه‏سازی‏ مارکویتز و تعیین مرز کارای سرمایه‏گذاری، زمانی‎که تعداد دارایی‏های قابل سرمایه‏گذاری و محدودیت‏های موجود در بازار ‏کم باشد، توسط مدل‏های ریاضی حل‎شدنی است. اما هنگامی‏که شرایط و محدودیت‏های دنیای واقعی در نظر گرفته شود، مسئله بهینه‏سازی پرتفوی به‎راحتی با استفاده از شیوه‏های ریاضی ‎حـل نمی‏شود. به‎همین دلیل استفـاده از شیوه‏های ابتکاری همچون شبکه‏های عصبی و الگوریتم‏های تکاملی در بهینه‏سازی پرتفوی یکی از موضوعات مهم مورد بحث در دوران اخیر بوده است. هدف اصلی پژوهش حاضر حل مسئله بهینه‏سازی‏ پرتفوی (مدل میانگین ـ واریانس) با استفاده از روش بهینه‏سازی حرکت تجمعی ذرات (PSO) است. بدین منظور با استفاده از اطلاعات قیمت 20 سهم پذیرفته شده در بورس اوراق بهادار تهران در فاصله زمانی مهر 1385 تا شهریور 1387، مرز کارای سرمایه‏گذاری رسم می‏شود. نتایج این پژوهش نشان می‏دهد، روش بهینه‏سازی حرکت تجمعی ذرات در بهینه‏سازی پرتفوی سهام با وجود محدودیت‏های بازار موفق است.

کلیدواژه‌ها


عنوان مقاله [English]

Portfolio optimization using particle swarm optimization method

نویسندگان [English]

  • Reza Raei 1
  • Hedayat Alibeiki 2
1
2
چکیده [English]

The Markowitz’s optimization problem is considered as a standard quadratic programming problem that has exact mathematical solutions. Considering real world limits and conditions, the portfolio optimization problem is a mixed quadratic and integer programming problem for which efficient algorithms do not exist. Therefore, the use of meta-heuristic methods such as neural networks and evolutionary algorithms has been an important issue in the literature of portfolio optimization. This study considers the problem of finding the efficient frontier associated with the standard mean-variance portfolio optimization model and presents a heuristic algorithm based upon particle swarm optimization for finding the cardinality constrained efficient frontier. The test data set is the daily prices of 20 companies from March 2006 to September 2008 from the TEPIX in Iran. The results show that PSO is successful in constrained portfolio optimization to find the optimum solutions in all levels of risk and return.