بهینه‌سازی سبد سهام با استفاده از الگوریتم بهینه‌سازی مبتنی بر آموزش و یادگیری (TLBO) در بورس اوراق بهادار تهران

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دکتری مدیریت مالی، دانشکدۀ مدیریت، دانشگاه تهران، تهران،ایران

2 دانشجوی کارشناسی ارشد مهندسی مالی، دانشکدۀ مدیریت،دانشگاه تهران، تهران، ایران

3 دانشجوی کارشناسی ارشد مهندسی مالی، دانشکدۀ مدیریت، دانشگاه تهران،تهران، ایران

چکیده

افزایش بازده و کاهش ریسک، همواره یکی از مهم‌ترین مسائلی است که سرمایه‌گذاران در بازارهای مالی به آن توجه می‎کنند. با وجود سابقۀ طولانی بهینه‌سازی سبد سهام، الگوریتم بهینه‌سازی مبتنی بر آموزش و یادگیری که در سال 2010 معرفی شده است، یکی از کاراترین روش‌های فرا‌ابتکاری، برای حل مسائل بهینه‌سازی است. در این پژوهش، سعی شده است مسئلۀ بهینه‌سازی سبد سهام، در چارچوب مدل معرفی شدۀ مارکوویتز، با استفاده از الگوریتم بهینه‌سازی مبتنی بر آموزش و یادگیری حل شود. بدین منظور، از بازدهی‌های روزانۀ 20 شرکت پذیرفته شده در بورس اوراق بهادار تهران که دارای نقدینگی بالا در بازۀ زمانی 1391 تا 1395 بودند، استفاده شده است. نتایج به‌دست آمده از این تحقیق نشان می‌دهد الگوریتم بهینه‌سازی مبتنی بر آموزش و یادگیری، نسبت به سایر الگوریتم‏ها برای یافتن مرز کارا و بهینه‌سازی سبد سهام، عملکرد بهتری دارد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Portfolio Optimization Using Teaching-Learning Based Optimization (TLBO) Algorithm in Tehran Stock Exchange (TSE)

نویسندگان [English]

  • Abozar Asoroosh 1
  • Romina Atrchi 2
  • Shahin Ramtinnia 3
1 PhD in Financial Management, University of Tehran, Tehran, Iran
2 MSc. Student in Financial Engineering, University of Tehran, Tehran, Iran
3 MSc. Student in Financial Engineering, University of Tehran, Tehran, Iran
چکیده [English]

Increasing the profits and reducing the risks have always been of the most important issues of concern to the investors in the financial markets. In recent years, many solutions and proposals have been suggested in respect to the frequency of portfolio optimization issue, with the highest return and the lowest possible risk. One of the most prominent suggestions is the Markowitz Model which is mostly known as the Modern Portfolio Theory. On the other hand, the TLBO algorithm which has been presented in 2010 is one of the most efficient meta-heuristic methods to solve the optimization problem. In this study, we are attempting to solve the portfolio optimization problem, according to the framework of the model introduced by Markowitz and using TLBO algorithm. For this purpose, the data related to the returns of 20 companies listed in TSE during the period 2012-2016 were collected. It is worth mentioning that four criteria including variance, mean absolute deviation, semi-variance and conditional value at risk (CvaR) were used in order to measure the risk level in this investigation.
 

کلیدواژه‌ها [English]

  • Conditional value at Risk (CvaR)
  • Mean-variance model
  • Metaheauristic algorithms
  • Portfolio optimization
  • Teaching-Learning-Based Optimization (TLBO) algorithm

مراجع

اسلامی بیدگلی، غ.؛ هیبتی، ف. (1375). مدیریت پرتفوی با استفاده از مدل شاخصی. فصلنامۀ تحقیقات مالی، 3(1)، 25-6.
تهرانی، ر.؛ نوربخش، ع. (1392). تئوری‌های مالی (مدیریت مالی پیشرفته). تهران: انتشارات نگاه دانش.
راعی، ر. (1377). طراحی مدل سرمایه‌گذاری مناسب در سبد سهام با استفاده از هوش مصنوعی (شبکه‌های عصبی). پایان‌‌نامۀ دورۀ دکتری، دانشکدۀ مدیریت دانشگاه تهران.
راعی، ر.؛ علی بیکی، ه. (1389). بهینه‎سازی پرتفوی سهام با استفاده از روش حرکت تجمعی ذرات. فصلنامۀ تحقیقات مالی، 12 (29)، 40 – 21.
قدوسی، س.؛ تهرانی، ر.؛ بشیری، م. (1394). بهینه‎سازی سبد سهام با استفاده از روش تبرید شبیه‎سازی‎شده. فصلنامۀ تحقیقات مالی، 17 (9)، 158- 141.
گرکز، م.؛ عباسی، ا.؛ مقدسی، م. (1389). انتخاب و بهینه‌سازی سبد سهام با استفاده از الگوریتم ژنتیک بر اساس تعاریف متفاوتی از ریسک. مدیریت صنعتی، 5(11)، 136-115.
نویدی، ح.؛ نجومی ا.؛ میرزا زاده، ح. (1388). تشکیل پرتفوی بهینه در بورس اوراق بهادار تهران با استفاده از الگوریتم‎های ژنتیک. تحقیقات اقتصادی، 44(4)، 262-243.
Anagnostopoulos, K.P., Mamanis, G. (2010). A portfolio optimization model with three objectives and discrete variables. Computers & Operations Research, 37 (7), 1285-1297.
Beale, E. M. L. & Forest, J. J. H. (1976). Global optimization using special ordered sets. Mathematical Programming, 10 (1), 52-69.
Bertsimas, D., Shioda, R. (2009). Algorithm for cardinality-constrained quadratic optimization. Computational Optimization and Applications, 43(1), 1–22.
Chang, T. J., Meade, N., Beasley, J. E. & Sharaiha, Y. M. (2000). Heuristics for cardinality constrained portfolio optimization. Computers & Operations Research, 27 (13), 1271-1302.
Deng, G. F., Lin, W. T. & Lo, C. C. (2012). Markowitz-based portfolio selection with cardinality constraints using improved particle swarm optimization. Expert Systems with Applications, 39 (4), 4558 – 4566.
Fernandez, A. & Gomez, S. (2007). Portfolio Selection Using Neural Networks. Computer & Operation Research, 34(4), 1177-1191.
Ghodusi, S., Tehrani, R. & Bashiri, M. (2015). Portfolio optimization with simulated annealing algorithm. Journal of Financial Research, 17(9), 141-158.
Gulpinar, N., An, L.T.H., Moeini, M. (2010). Robust investment strategies with discrete asset choice constraints using DC programming. Optimization, 59(1), 45-62.
Jia, J., Dyer, J. S. (1996). A Standard Measure of Risk and Risk-Value Models, Management Science, 42(12), 1691-1705.
Markowitz, H. M. (1952). Portfolio Selection. The Journal of Finance, 7(1) 77-91.
Navidi, H., Nojoomi, A., Mirzazadeh, H. (2009). Portfolio Selection in Tehran Stock Exchange Market with a Genetic Algorithm. Journal of Economic Research, 44(4), 243-262. (in Persian)
Raei, R. & Alibeiki, H. (2010). Portfolio optimization using particle swarm optimization method. Financial Research, 12 (29), 21-40. (in Persian)
Rao, R. V., Savsani, V. J. & Vakharia, D. P. (2012). Teaching–learning-based optimization: an optimization method for continuous non-linear large scale problems. Information sciences, 183(1), 1-15.
Shaw, D.X., Liu, S. & Kopman, L. (2008). Lagrangian relaxation procedure for cardinality-constrained portfolio optimization. Optimization Methods & Software, 23(3), 411-420.
Soleimani, H., Golmakani, H.R., Salimi, M.H. (2009). Markowitz-based portfolio selection with minimum transaction lots, cardinality constraints and regarding sector capitalization using genetic algorithm. Expert Systems with Applications, 36(3), 5058-5063.
Tehrani, R., Noorbakhsh, A. (2012). Financial Theories (Advanced Financial Management). Tehran, Negah-e-Danesh Publications. (in Persian)
Vielma, J.P., Ahmed, S., Nemhauser, G.L. (2008). A lifted linear programming branchand-bound algorithm for mixed-integer conic quadratic programs. INFORMS Journal on Computing, 20(3), 438-450.
Woodside-Oriakhi, M., Lucas, C., Beasley, J.E. (2011). Heuristic Algorithms for The Cardinality Constrained Efficient Frontier. European Journal of Operational Research, 213(3), 538-550.
 
تحقیقات مالی
دوره 19، شماره 2
1396
صفحه 263-280

فایل ها

هم رسانی

ارجاع به این مقاله

آمار