بهینه ‏سازی سبد ‏سهام با رویکرد میانگین‌ـ ‏واریانس و با استفاده از الگوریتم فراابتکاری جست‌وجوی شکار

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی صنایع، دانشگاه یزد، یزد، ایران

2 دانشیار گروه مهندسی صنایع دانشگاه یزد، یزد، ایران

چکیده

این مقاله، یک راه حل فراابتکاری جدید برای حل مسئله جست‌وجوی افق کارا با رویکرد میانگین‌ـ واریانس ارائه می‏دهد. مسئله بهینه‌سازی سبد سهام، کوآدراتیک است و با افزایش تعداد دارایی‏ها و محدودیت‏ها، به ان‏پی‌‏سخت تبدیل شده است و نمی‏توان با روش‏های مرسوم ریاضی در زمان معقول آن را حل کرد. از‌این‌رو، از روش‏های ابتکاری و فراابتکاری به‌منزله راهکاری مناسب استفاده می‏شود. این مقاله به بهینه ‏سازی سبد سهام به کمک الگوریتم فراابتکاری جدیدی با نام جست‌وجوی شکار می‏پردازد. به‌منظور بررسی قدرت و دقت حل الگوریتم، مطالعه‌ای موردی با اطلاعات 30 شرکت بزرگ در بورس ایران در بازه زمانی 1/3/1389 الی 1/3/1390 طراحی شد. الگوریتم توانست با دقت و زمان خوبی مرز کارای سبد بررسی‌شده را به دست آورد. به‌منظور بررسی توانمندی الگوریتم، دو مثال معتبر Hang Sang 31 و Dax100 نیز با الگوریتم حل شد. نتایج نشان می‏دهند که الگوریتم جست‌وجوی شکار، برای حل مسائل بهینه‏ سازی سبد سهام، سرعت و دقت بالایی دارد و می‏تواند برای حل مسئله جست‌وجوی مرز کارای سبد سهام استفاده شود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Portfolio optimization with mean-variance approach using hunting search meta-heuristic algorithm

نویسندگان [English]

  • Morteza Elahi 1
  • Mohsen Yousefi 1
  • Yahia Zare Mehrjerdi 2
1
2
چکیده [English]

This paper presents a new meta-heuristic solution to find the efficient frontier using the mean-variance approach. Portfolio optimization problem is a quadratic programming model and, changes to NP-hard if the number of assets and constraints has increased, and it cannot be solved using common mathematical methods in a reasonable time. Therefore, a heuristic or meta-heuristic algorithm should be used that is the appropriate solution. This paper optimizes portfolio using a new meta-heuristic algorithm called hunting search algorithm. To determine the strengths and precision of proposed algorithm, a case study is designed using Iran stock market data from 1/3/1389 to 1/3/1390 for big thirty companies. The proposed algorithm finds the efficient frontier precisely and in timely manner. To determine abilities of the algorithm, two verified examples, Hang Sang 31 and Dax100 are also solved with it. Results show that hunting search algorithm has a high speed and high accuracy in order to solve portfolio optimization problems, and it can be used to find the efficient frontiers in various portfolio optimization problems.

کلیدواژه‌ها [English]

  • Portfolio optimization
  • Markowitz mean–variance model
  • Hunting Search Algorithm