کشف پرتفوی سهام بااستفاده از محدودیت کاردینال

تنوع روش‌های سرمایه‌گذاری و پیچیدگی تصمیم‌های مزبور در چند دهۀ اخیر، افزایش چشم‌گیری داشته است. این رشد گسترده، نیاز فزاینده‌ای به مدل‌های فراگیر و یکپارچه ایجاد کرد که برای پاسخگویی به این نیاز، مدل‌سازی مالی از پیوند رویکرد مالی و برنامه‌ریزی ریاضی به‌وجود آمده است. این مدل‌ها، از پیشرفت‌های برنامه‌ریزی ریاضی و مباحث مالی به‌موازات هم استفاده می‌کنند. هدف این پژوهش، ایجاد مدلی هوشمند برای انتخاب سبد بهینۀ سهام با استفاده از الگوریتم تکامل تفاضلی مقید بهبودیافته است. به این منظور، ریسک و بازدۀ مورد انتظار شرکت‌های دارویی و سرمایه‌گذاری پذیرفته‌شده در بورس اوراق بهادار تهران، به‌صورت ماهیانه بررسی شده است. نمونۀ آماری پژوهش، شامل داده‌های مالی 32 شرکت دارویی و 28 شرکت سرمایه‌گذاری بورس ایران، طی سال های 1389 تا 1393 است. نتایج پژوهش نشان می‌دهد که الگوریتم به‌کاررفته، توانایی انتخاب سبد بهینه سهام را با درنظرگرفتن تعاملات بین ریسک و بازده دارد. ضمن آنکه براساس نتایج مکتسبه، تشکیل پرتفوی سهام متشکل از شرکت‌های دارویی، نسبت به شرکت‌های سرمایه‌گذاری، بهینه‌تر بوده است.