@article { author = {Rezaei Pandari, Abbas and Azar, Adel and Rayati Shavazi, Alireza}, title = {Using Genetic Algorithms for a Portfolio Selection regarding to Nonlinear Goals (Tehran Stock Exchange)}, journal = {Iranian Journal of Economic Research}, volume = {16}, number = {48}, pages = {109-134}, year = {2011}, publisher = {Allameh Tabataba’i University}, issn = {1726-0728}, eissn = {2476-6445}, doi = {}, abstract = {Generally, investors consider simultaneously conflicting objectives such as rate of return, risk and liquidity in portfolio selection. On the other hand, every investor has his own specific preferences about objectives. Therefore, we can use Multi Objective Decion Making (MODM) techniques in order to solve portfolio selection problem. The Studies shows that a MODM technique by nonlinear goals such as minimization of nonsystematic risk and skewness maximization isn’t employed for portfolio selection, so a new approach is applied. We employ MODM model to select a best portfolio in 50 superior companies in Tehran stock exchange with regards to optimization objectives of return, systematic risk, nonsystematic risk, skewness, liquidity and sharp ratio. This model is non-convexed, so operational research algorithms can not find the best solution; therefore we use Genetic Algorithms (GA) for achieving nonlinear multi-objective model. In the end, the result of GA is comprised with Markwitz classic model and goal programming (containing linear and nonlinear objectives). The comparison indicates that although return of the portfolio of GA model is less than the other models, but GA has the best results in decreasing risk criteria which completely cover the return and lead to best results. The other advantage of using GA is a higher diversification in its proposed portfolio in comparison with other models.}, keywords = {Genetic Algorithms,Nonlinear Objective,Return,Risk,Portfolio selection}, title_fa = {به‌کارگیری الگوریتم ژنتیک برای انتخاب پرتفولیوی بهینه‌ای با اهداف غیرخطی (بورس اوراق بهادار تهران)}, abstract_fa = {عموماً سرمایه­گذار در مسئله انتخاب پرتفولیو اهداف چندگانه و متناقضی از قبیل بازدهی، ریسکو نقدشوندگی مدنظر دارد. از طرف دیگر سرمایه­گذاردارای ترجیحات خاص خود در مورد اهداف است. مرور ادبیات تحقیق نشان می­دهد، از جمله اهدافی که در مسئله انتخاب پرتفولیو استفاده نشده است، حداقل‌کردن ریسک غیرسیستماتیک و حداکثرسازی چولگی بازدهی پرتفولیو است. در این تحقیق سعی شده است به منظور انتخاب پرتفولیوی بهینه، از بین سهام 50 شرکت برتر بورس اوراق بهادار تهران مدلی چندهدفه برای بهینه­کردن اهداف، بازدهی، ریسک سیستماتیک، ریسک غیرسیستماتیک، نقدشوندگی، ضریب چولگی و نسبت شارپ طراحی شود. مدل طراحی شده غیرمحدب است و نمی­توان آن را با الگوریتم­های تحقیق در عملیات بهینه کرد. بنابراین از الگوریتم ژنتیک برای بهینه‌کردن مدل استفاده شده است. مقایسه جواب حاصل از الگوریتم ژنتیک با مدل کلاسیک مارکویتز و مدل آرمانی با اهداف خطی و غیرخطی (درجه دوم) نشان می­دهد که اگرچه بازدهی پرتفولیو حاصل از الگوریتم ژنتیک کمتر از مدل‌های دیگر است، اما کاهش بازدهی با کاهش در میزان ریسک جبران شده و معیارهای تعدیل‌شده بر مبنای ریسک بر بهتر بودن جواب حاصل از الگوریتم ژنتیک صحه می­گذارد. همچنین پرتفولیو حاصل، تنوع بیشتری نسبت به پرتفولیو مدل‌های دیگر دارد.}, keywords_fa = {الگوریتم ژنتیک,اهداف غیرخطی,پرتفولیو,بازدهی,ریسک}, url = {https://ijer.atu.ac.ir/article_3066.html}, eprint = {https://ijer.atu.ac.ir/article_3066_e6c362325f63989a24569f03225d704d.pdf} }