مدیریت مالی هوشمند

مدیریت مالی هوشمند

بررسی مقایسه‏ای الگوریتم‏های ابتکاری و الگوریتم فراابتکاری خفاش در انتخاب بهینه سبد سهام

نوع مقاله : مالی-بازارهای مالی

نویسندگان
1 گروه مدیریت وحسابداری، واحد قزوین، آزاد اسلامی قزوین، قزوین، ایران
2 گروه حسابداری، واحد قزوین، آزاد اسلامی قزوین، قزوین، ایران
3 گروه علوم اقتصادی، واحد قزوین، آزاد اسلامی قزوین، قزوین، ایران
چکیده
در این پژوهش یک روش پیشنهادی جدید به کمک مفاهیم بکار رفته در الگوریتم خفاش و الگوریتم ابتکاری بکار گرفته می شود تا دقت آن در حل مسائل بهینه سازی افزایش یابد. نتایج مطالعات پیشین در پیاده سازی و آزمایشات بر روی مجموعه ای از توابع ارزیابی در محیط متلب نشان می دهند میزان خطای محاسبه ی بهینه سراسری در روش پیشنهادی نسبت به الگوریتم هایی نظیر خفاش، الگوریتم ابتکاری و کمتر است. الگوریتم های فراابتکاری یکی از روش های حل موثر مسائل پیچیده به شمار می روند که نیازی به محاسبه گرادیان تابع هدف ندارند و پیش فرض خاصی نظیر خطی بودن یا پیوسته بودن را در نظر نمی گیرند و بیشتر موارد، جواب های قابل قبولی ارایه می دهند. این پژوهش درصدد مقایسه الگوریتم‏های ابتکاری و فراابتکاری برای بهینه سازی انتخاب سبد سهام می‏باشد. پژوهش حاضر از نوع پس رویدادی (با استفاده از اطلاعات گذشته) بوده و اطلاعات مربوط به پژوهش از طریق روش کتابخانه‏ای با بررسی گزارش‏های مالی شرکت‏های پذیرفته شده در بورس اوراق بهادار تهران گردآوری می‏شود.در این تحقیق نمونه و جامعه ی آماری پژوهش پس از از روش غربالگری حذفی سیستماتیک، شامل داده‏های تعداد 181 شرکت از بین شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1396 تا 1401 در قالب اکسل تکمیل و سپس از طریق نرم افزار متلب ازالگوریتم خفاش و الگوریتم ابتکاری استفاده شده است. نتایج پژوهش نشان داد که مدل خفاش به عنوان یک الگوریتم فراابتکاری، دقت بیشتری در تخمین بهینه سبد سهام نسبت به الگوریتم‏های ابتکاری دارد.
کلیدواژه‌ها

عنوان مقاله English

A Comparative Study of Heuristic Algorithms and the Bat Metaheuristic Algorithm for Optimal Stock Portfolio Selection

نویسندگان English

Alireza Yousefnejad 1
Amir Mohammadzadeh 1
Farzin Rezaei 2
Arash Hadizadeh Miarkolaei 3
1 Department of Management and Accounting, Qa.C., Islamic Azad University, Qazvin, Iran
2 Department of Accounting, Qa.C., Islamic Azad University, Qazvin, Iran
3 Department of Economic Sciences, Qa.C., Islamic Azad University, Qazvin, Iran
چکیده English

In this research, a new proposed method is used with the help of concepts used in bat algorithm and heuristic algorithm to increase its accuracy in solving optimization problems. The results of the previous studies in the implementation and experiments on a set of evaluation functions in the MATLAB environment show that the error rate of global optimal calculation in the proposed method is less compared to algorithms such as bat, heuristic algorithm. Meta-innovative algorithms are one of the effective methods of solving complex problems that do not need to calculate the gradient of the objective function and do not consider a specific assumption such as linearity or continuity, and in most cases, they provide acceptable solutions. This research aims to compare heuristic and meta-heuristic algorithms to optimize stock portfolio selection. The current research is of the post-event type (using past information) and the information related to the research is collected through the library method by examining the financial reports of companies admitted to the Tehran Stock Exchange. In this research, the sample And the statistical population of the research, after the systematic exclusion screening method, including the data of 181 companies from among the companies admitted to the Tehran Stock Exchange in the period from 1396 to 1401, was completed in Excel format and then through the MATLAB software from the bat algorithm and An innovative algorithm is used. The research results showed that the bat model, as a meta-heuristic algorithm, is more accurate in estimating the optimal stock portfolio than heuristic algorithms.

کلیدواژه‌ها English

Optimization
stock portfolio
meta-heuristic algorithm
bat algorithm
heuristic algorithm
محمودزاده ملکی، نوید. محمدزاده، حیدر. ایرانزاده، سلیمان. بهینه سازی سبد سهام سرمایه گذاری با بکارگیری الگوریتم‏های فراابتکاری علف های هرز مهاجم و فاخته. فصلنامه راهبرد توسعه، دوره 22، شماره 85، ص 77-112، 1405.
نمکی، علی. شیرکوند، سعید. صفایی پور، یداله. پیش بینی قیمت سهام با استفاده از الگوریتم های یادگیری عمیق و تجزیه فرکانس. نشریه راهبرد مدیریت مالی، دوره 13، شماره 3، ص 33 – 60، 1404.
بیات، علی. اسدی، لیدا. بهینه سازی پرتفوی سهام : سودمندی الگوریتم پرندگان و مدل مارکوویتز، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، دوره 6، شماره 9، ص 48 – 55، 1402.
  منتظری پرچیکلائی، رزا. الگوریتم فرا ابتکاری اجتماع ذرات بهینه سازی پرتفوی، فصلنامه رویکرد پژوهش نوین در مدیریت و حسابداری، دوره 7، شماره 89، ص 1596-1609، 1402.
 فرمانی، آناهیتا. جهانگیری، شهاب. مقایسه عملکرد الگوریتم های فراابتکاری در پیش بینی قیمت سهام در بازار بورس اوراق بهادار تهران .نشریه مجلس و اقتصادی، دوره 1، شماره 2، ص 127-152، 1402.
فریدی، ساناز. معدنچی، مهدی. شاهوردیانی، شادی. رهنمای رودپشتی، فریدون. بهینه سازی سبد سهام براساس مدل ترکیبی نسبت امگا و میانگین – واریانس مارکوئیتز مبتنی بر یادگیری ماشین جمعی دو سطحی. نشریه علمی دانش مالی و تحلیل اوراق بهادار، دوره 15، شماره 3، ص 33-54، 1401.
کریمی، آرزو. بهینه سازی سبد سهام با استفاده از الگوریتم های چند هدفه و ماکزیمم نسبت شارپ، مهندسی مالی و مدیریت اوراق بهادر، دوره 4، شماره 46، ص 389- 410، 1400.
رستمخانی، حسین. انتخاب بهینه سهام با استفاده از الگوریتم خفاش و جنگل تصادفی، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، دوره 4، شماره 48، ص 461- 480، 1400.
رضایی، اسعداله. فلاحتی، علی. سهیلی، کیومرث. بهینه سازی سبد سهام با استفاده از الگوریتم تجمع ذرات سه هدفه، فصلنامه نظریه های کاربردی اقتصاد، دوره 5 شماره 4، ص 31- 52، 1399.
 بحری ثالث، جمال. پاک مرام، عسگر. ولی زاده، مصطفی. انتخاب و بهینه سازی  سبد سهام با استفاده از روش میانگین واریانس مارکوویتز با ابهره گیری از الگوریتم های مختلف، نشریه دانش مالی تحلیل اوراق بهادار، دوره 11، شماره 37، ص 43 – 57، 1398.
 بهنامیان، جواد. مشرفی، محمد. ارائه الگوریتم برای بهینه سازی چند هدفه سبد سهام بوسیله برنامه ریزی فازی، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، دوره 4، شماره 30، ص 33 – 53، 1398.
 اسماعیلی، زهرا. عباسی، ابراهیم. فلاح، میر فیض. پیش بینی عملکرد کوتاه مدت عرضه عمومی اولیه سهام با اتسفاده از الگوریتم نزدیکترین همسایگی، فصلنامه چشم انداز مدیریت مالی، دوره 8، شماره 21، ص 19- 27، 1398.
 دموری، داریوش. فرید، داریوش. اشهری، مرتضی. پیش بینی شاخص کل بورش اوراق بهادار تهران با استفاده از الگوریتم پرواز پرندگان و مقایسه آن با الگوهای سنتی، مجله دانش حسابداری، دوره 2، شماره 5، ص 7- 30، 1397.
 حسنلو، خدیجه. روستایی، مریم. پیش بینی قیمت سهام با رویکرد سیستم شبکه عصبی خفاش (مطالعه موردی بورس اوراق بهادار تهران)، موسسه آموزش عالی غیر انتفاعی – غیر دولتی دانشکده خاتم. 1394.
شهرستانی، حمید. ثوابی اصل، فرهاد. بید آبادی، بیژن. بیهنه سازی سبد سهام تحت شرایط تمایلات سرمایه گذار : تعمیم نظریه مارکوییتز در بهینه سازی سبد سهام.پژوهشنامه اقتصادی، دوره 10، شماره 4، ص 207-229، 1389.
Fajila, Fathima. Yousof, youhanis . Mutable Composite Firefly Algorithm for Microarray-Based Cancer Classification, 24, 102-129 ,2025.
Wang , haoyu. Xie,dejun. Optimal profit-making strategies in stock market with algorithmic trading,(octobr) 546-572,2024.
Rashid, Mohammad.umar, Shahla . hassan ,bryar. Modified Bat Algorithm: A Newly Proposed Approach for Solving Complex and Real-World Problems.(febrye) 18,1285-1309,2024.
Korad, enilesh b .zuber,moh. Boost stook forecasting accuracy using modified algorithm and multichannel convolutional neural network ,(April ), 2668-2677,2023.
Chaterjee, bitanu. Acharya, sayan. Ram, sarkar. Stock market prediction using Altruistic Dragonfly Algorithm, (April), 1-20,2023.
Jiani, ata. Stock price prediction using the combination of firefly (FA) and genetic algorithms.(desamber), 30-45,2023.
Aizat Basir1, Mohammad. Saifullah Hussin2, Mohamed.Yusof, Yuhanis. Integrated bio-search approaches with multi-objective algorithms for optimization and classification problem, 2421-2431, 2020.
ZhengTan, ZiqinYan,Guangwei Zhu. Stock selection with random forest: An exploitation of excess return in the Chinese stock market, Volume 5, Issue 8, August 2019, e02310. 2019.
Cai, X., Zhang, J., Liang, H., Wang, L., & Wu, Q. An ensemble bat algorithm for large-scale optimization. International Journal of Machine Learning and Cybernetics, 10(11),pp 3099-3113.2019.
Ticknor, J.L. A Bayesian regularized artificial neural network for stock market forecasting. Expert Syst. Appl. 40 (14),pp 5501–5506. 2013.