بهینه‌سازی و مقایسۀ سبد سهام در بورس اوراق بهادار تهران با بهره‎مندی از الگوریتم‌های بهینه‌سازی تکاملی چندهدفه

با وجود استفادۀ روزافزون از الگوریتم­های بهینه­سازی تکاملی چندهدفه در شاخه­های مختلف علوم، به‎کاربردن آنها به‎عنوان ابزار بسیار قدرتمند در زمینۀ بهینه­سازی سبد سرمایه، به‎ویژه حل مسئلۀ چندهدفه، همچنان در مراحل اولیۀ پژوهش است. در این مقاله، از الگوریتم‎های تکاملی چندهدفه برای حل مسئلۀ بهینه­سازی چندهدفۀ سبد سرمایه در بورس اوراق بهادار تهران استفاده شده است. برای این منظور، دو روش مهم و پرکاربردِ الگوریتم ژنتیک چندهدفه با مرتب‎سازی نامغلوب (NSGA-II) و بهینه­سازی چندهدفۀ ازدحام ذرات (MOPSO) با یکدیگر مقایسه شدند. جبهه­های بهینۀ پارِتوی به‎دست‎آمده، به سرمایه­گذار این امکان را می­دهد که از بین ریسک و ارزش‎های مختلف، سبد سرمایۀ بهینۀ مدنظر را انتخاب کند. ارزش سبد سرمایه و ریسک آن به‎عنوان اهداف بهینه­سازی و معیار ارزش در معرض ریسک مشروط به‎عنوان سنجۀ ریسک به‎کار برده شد و سه قید عملی و کاربردی نیز برای حل مسئله مدنظر قرار گرفت. نتایج، عملکرد بهتر روش NSGA-II را نسبت به MOPSO برای هر دو معیار همگرایی و گستردگی جبهه­های بهینۀ­ پارتو نشان داد. همچنین در پیش­بینی سبد سهام بهینه، انطباق جبهه­های بهینۀ پارتوی واقعی و پیش‎بینی‎شده، نشان‎دهندۀ کارایی بسیار مناسب روش­های استفاده‎شده است.