بهینه‌سازی سبد چند نوع دارایی براساس ارزش در معرض ریسک شرطی با استفاده از الگوریتم کلونی مصنوعی زنبورعسل

نوع مقاله : مقاله پژوهشی

نویسندگان

گروه مهندسی صنایع، دانشکده فنی مهندسی، دانشگاه میبد، میبد، ایران

چکیده

مدیریت و بهینه‌سازی سبدی متشکل از انواع دارایی با هدف افزایش بازده و کاهش ریسک، همواره مورد توجه سرمایه‌گذاران بوده‌ است. باتوجه به تورم در بازار ایران، عملکرد متفاوت دسته‌های دارایی در شرایط مختلف بازار و قابلیت کسب سود بیشتر به همراه ریسک کمتر با متنوع‌سازی انواع دارایی، تشکیل سبدی متشکل از سهام، ارز و کالا ضروری به ‌نظر می‌رسد. در این مقاله دارایی‌هایی از دسته-هایی شامل سکه امامی، دلار آمریکا و 11 شاخص‌ سهام بخش‌های مختلف صنعت در ترکیب سبد در نظرگرفته ‌شده‌‌است. با توجه به اهمیت سنجه ریسک در بهینه‌سازی سبد چند نوع دارایی، مدلی براساس ارزش در معرض ریسک شرطی با رویکرد شبیه‌سازی تاریخی توسعه ‌داده‌‌شده، کارایی آن با مدل میانگین-واریانس مقایسه‌ شده و برای حل مدل‌ها دو الگوریتم کلونی مصنوعی زنبورعسل و رقابت استعماری بکارگرفته‌شد. برای ارزیابی مدل‌ها در بازار ایران، از سری زمانی قیمت روزانه دارایی‌ها در بازه 1392 الی 1398 استفاده شد. نتایج حاصل از مقایسه دو مدل در دوره‌های آموزش و تست نشان‌ داد، در بهینه‌سازی سبد انواع دارایی مدل میانگین-ارزش درمعرض ریسک شرطی از میانگین-واریانس عملکرد بهتری دارد. از طرفی براساس نسبت‌های شارپ، شارپ شرطی و بازده به ریسک، سبد‌های بهینه‌شده با الگوریتم کلونی مصنوعی زنبورعسل بهتر از الگوریتم رقابت استعماری هستند.

کلیدواژه‌ها


عنوان مقاله [English]

Multi-Asset Portfolio Optimization based on Conditional Value at Risk using Artificial Bee Colony Algorithm

نویسندگان [English]

  • Somayeh Mousavi
  • Abbasali Jafari-Nodoushan
  • Marzieh Kazemi-Rashnani
  • Mahsa Mohammadtaheri
Department of Industrial Engineering, Faculty of Engineering, Meybod University, Meybod, Iran
چکیده [English]

Multi-asset portfolio management and optimization have always been of interest to investors. Due to the inflation in Iran market, different performance of the asset classes in different market conditions and the ability to earn more profit along with less risk by diversifying the types of assets, it seems necessary to select a portfolio consisting of stocks, foreign currency and commodities. In this paper, assets of the above categories, including Emami coins, American dollar, and 11 sector indices, are considered in the portfolio composition. Due to the importance of the risk measure in multi-asset portfolio optimization, a model with conditional value at risk, the historical simulation approach has been extended and its efficiency has been compared with the mean-variance model. The models have been solved using the artificial bee colony and imperialist competitive algorithms. The daily asset prices in the period 2013 to 2020 have been used to evaluate the models in Iran market. Results show that the mean-conditional value at risk model performs better than the mean-variance in the training and testing periods. Furthermore, optimized portfolios with the artificial bee colony algorithm could outperform the imperialist competitive algorithm based on the Sharpe ratio, conditional Sharpe ratio, and return on risk.

کلیدواژه‌ها [English]

  • multi-asset portfolio optimization
  • Conditional Value at Risk
  • Artificial bee colony algorithm
  • Imperialist Competitive Algorithm
  • conditional Sharpe ratio