بهینه سازی سبد سهام مبتنی بر مدل برنامه ریزی امکانی استوار با استفاده از الگوریتم های ژنتیک و جهش قورباغه مخلوط شده

در مسئله انتخاب سبد سرمایه گذاری که یکی از مهم ترین مسائل در حوزه مالی است، استفاده از مدلی که بتواند شرایط محیط های واقعی را در نظر بگیرد، اهمیت دارد. در بازارهای مالی، نوسانات شدید و متواتر سبب تغییر مکرر در خروجی های مدل های سبد سرمایه گذاری می گردد و این مسئله نیاز به تغییر وزن دارایی های موجود در سبد را افزایش می دهد که سبب تحمل هزینه های بالای مدیریتی و معاملاتی می شود. در ادبیات موجود در زمینه مدل های سبد سرمایه گذاری، یکی از رویکردهای مقابله با این نوع هزینه های زیاد رویکرد بهینه سازی استوار است. در این پژوهش تلاش شده است از الگوریتم ژنتیک و الگوریتم جهش قورباغه مخلوط شده برای حل مدل برنامه ریزی امکانی استوار ارائه شده توسط امیری و حیدری (۱۳۹۹) در ابعاد بزرگ تر و به منظور بهینه سازی سبد سهام استفاده شود. در این راستا ۱۵ مسئله معین با ابعاد (تعداد شرکت و دوره زمانی) مختلف طراحی شده و پردازش روی آن ها صورت می گیرد. نتایج حاصل از اجرای دو الگوریتم بر روی ۱۵ مسئله مذکور با استفاده از آزمون آماری T مورد مقایسه قرار گرفته است که بیانگر عدم تفاوت معنادار بین دو الگوریتم در انتخاب سبد سرمایه گذاری است اما رویکرد ترکیبی تاپسیس و وزن دهی آنتروپی، الگوریتم ژنتیک را به عنوان الگوریتم برتر انتخاب می کند.