Journal of Operational Research and Its Applications

fa انتخاب بهینه سبد سهام با استفاده از الگوریتم ترکیبی فرا ابتکاری Optimal Stock Portfolio Selection Using Hybrid Meta-Heuristic Algorithms تخصصي Special پژوهشي Research انتخاب سبد سهام همواره از اساسی‌ترین مسایل سرمایه‌گذاران است. از لحاظ نظری انتخاب سبد سهام در حالت حداقل کردن ریسک با فرض ثبات بازده به کمک روابط ریاضی قابل حل است، اما با تنوع انتخاب در بازار سرمایه، تنها روابط ریاضی، راه حل موثری نیست. تنوع ابزارهای سرمایه‌گذاری و تفاوت تابع مطلوبیت سرمایه‌گذاران، فرآیند انتخاب را پیچیده نموده است. اینک گسترش بازارهای مالی و سرمایه، استفاده از سیستم‌های قاعده محور برای تصمیم‌گیری‌های سریع، با ریسک حداقل و به دور از اشتباهات انسانی، طراحی، توسعه یا بهبود این سیستم‌ها می‌تواند به‌عنوان مزیت رقابتی باشد. در پژوهش حاضر، از الگوریتم شبکه‌های عصبی و برنامه‌نویسی شبکه ژنتیک، برای تشخیص ویژگی‌های موثر و از درخت تصمیم ID3 بهبودیافته به‌عنوان روش پیشنهادی جهت پیش‌بینی قیمت و روند تغییر قیمت سهام برای انتخاب سبد بهینه استفاده شده است. نتایج تحقیق نشان می‌دهد، روش پیشنهادی علاوه بر کاهش سربار محاسباتی و حافظه‌ای، قادر است تا با دقت بالایی به پیش‌بینی نوسانات شدید با الگوهای غیرخطی پرداخته و نسبت به روش‌های روز دنیا چون جستجوی نزدیک‌ترین همسایگی، رگرسیون خطی، میانگین متحرک خود همبسته و الگوریتم پیش بینی سری زمانی، بهتر عمل نماید. Choosing a stock portfolio is always one of the most important issues for investors. Theoretically, selecting a stock portfolio can be solved by minimizing risk assumptions with the help of mathematical relationships, but with the variety of choices in the capital market, mathematical relationships alone are not an effective solution. The variety of investment tools and the differences in the functionality of investors’complexity have complicated the selection process. Now the expansion of financial and capital markets, the use of rule-based systems for quick decisions, with minimal risk and away from human error, design, development, or improvement of these systems can be a competitive advantage. In the present study, neural network algorithms and genetic programming algorithms have been used to identify effective features and the decision tree to improve id3 has been proposed as a method for predicting price and trend of stock price change to select the optimal basket. The research results show that in addition to reducing computational and memory overhead, the proposed method is able to accurately predict severe fluctuations with nonlinear patterns and compared to modern methods such as nearest neighbor search, linear regression, autoregressive integrated moving average, and time series prophet algorithm will do better. سبد بهینه سهام, درخت تصمیم بهبود یافته, الگوریتم ژنتیک, شبکه های عصبی The Stock Optimal Portfolio, Enhanced Decision Trees, Genetic Algorithm, Neural Networks. 101 124 http://jamlu.lahijan.iau.ir/browse.php?a_code=A-11-1783-1&slc_lang=fa&sid=1 M. B. Yazdani Khodashahri محمدباقر یزدانی خداشهری fyk9095@gmail.com 10031947532846008567 10031947532846008567 No Department of Accounting, Qaemshahr Branch, Islamic Azad University, Qaemshahr, Iran گروه حسابداری، واحد قائمشهر، دانشگاه آزاد اسلامی، قائمشهر S. H. Nasl Mosavi سید حسین نسل موسوی Nseyedhossein2@gmail.com 10031947532846008568 10031947532846008568 Yes Department of Accounting, Qaemshahr Branch, Islamic Azad University, Qaemshahr, Iran گروه حسابداری، واحد قائمشهر، دانشگاه آزاد اسلامی، قائمشهر M. Hosseini Shirvani میرسعید حسینی شیروانی mirsaeid_Hosseini@yahoo.com 10031947532846008569 10031947532846008569 No Department of Computer, Sari Branch, Islamic Azad University, Sari, Iran گروه کامپیوتر، واحد ساری، دانشگاه آزاد اسلامی، ساری