en انتخاب سبد سهام بهینه بورس اوراق بهادار تهران با استفاده از معیارهای ارزش در معرض ریسک شرطی، تفکیک شده و بدترین وضعیت ارزش در معرض ریسک اقتصاد Economics پژوهشی اصیل - نظری Original Research - Theoric <p dir="RTL">این مقاله به ارائه رویکرد انتخاب سبد سهام بهینه بر مبنای معیارهای ارزش در معرض ریسک <span dir="LTR">(VaR)</span>، ارزش در معرض ریسک <span dir="LTR">(CVaR)</span>، بدترین وضعیت ارزش در معرض ریسک <span dir="LTR">(WVaR)</span> و ارزش در معرض ریسک تفکیک شده <span dir="LTR">(PVaR)</span> و نیز محاسبه این معیارهای ریسک می‌پردازد. روش‌های ریاضی برای حل چنین مسائل بهینه‌سازی با تعداد دارایی‌های زیاد مشکل و پیچیده می‌باشد. به همین دلیل از تلفیق روش بهینه‌سازی اجتماع ذرات <span dir="LTR">(PSO)</span> با الگوریتم ژنتیک <span dir="LTR">(GA)</span> برای تعیین اوزان بهینه دارایی‌ها استفاده می‌شود. نتایج اوزان بهینه نشان می‌دهد که الگوریتم مذکور در مقایسه با الگوریتم ژنتیک، خروجی‌های دقیق‌تری ارائه می‌دهد. بر اساس تحلیل آزمون بازخورد، معیارهای بدترین وضعیت ارزش در معرض ریسک و ارزش در معرض ریسک تفکیک شده، مقدار ریسک را بیش از حد برآورد می‌کنند و این در حالی است که معیارهای ارزش در معرض ریسک و ارزش در معرض ریسک شرطی برآوردهای دقیق‌تری از ریسک به دست می دهند. مجموعه ای از شرکت‌های بورس اوراق بهادار تهران به عنوان مطالعه موردی برای تحلیل تجربی در نظر گرفته شده است<span dir="LTR">.</span></p> <p dir="RTL"><strong>طبقه</strong><strong>‌</strong><strong>بندی </strong><strong><span dir="LTR">JEL</span></strong> : <span dir="LTR">G10</span><span dir="LTR">, </span><span dir="LTR">G11</span><span dir="LTR">, </span><span dir="LTR">G19</span></p> <p><em>This paper presents an optimal portfolio selection approach based on value at risk (VaR), conditional value at risk (CVaR), worst-case value at risk (WVaR) and partitioned value at risk (PVaR) measures as well as calculating these risk measures. Mathematical solution methods for solving these optimization problems are inadequate and very complex for a portfolio with high number of assets. For these reasons, a combination of particle swarm optimization (PSO) and genetic algorithm (GA) is used to determine optimized weights of assets. Stocks&rsquo; Optimized weight results show that proposed algorithm gives more accurate outcomes in comparison with GA algorithm. According to back-testing analysis, PVaR and WVaR overestimate risk value while VaR and CVaR give a rather accurate estimation. A set of companies in Tehran Stock Exchange are considered as a case study for empirical analysis. </em></p> <p><strong><em>JEL Classification</em></strong><em>: G10, G11, G19</em></p> بهینه‌سازی سبد سهام, ارزش در معرض ریسک, الگوریتم ژنتیک, روش HGAPSO portfolio optimization, value at risk, CVaR, WVaR, PVaR, HGAPSO 1 30 http://jme.mbri.ac.ir/browse.php?a_code=A-10-73-1&slc_lang=en&sid=1 Bagher Adabi firouzjaee باقر ادبی فیروزجایی bagheradabi@gmail.com 1003194753284600397 1003194753284600397 Yes university of Tehran دانشگاه تهران Mohsen Mehrara محسن مهرآرا mmehrara@ut.ac.ir 1003194753284600398 1003194753284600398 No university of Tehran دانشگاه تهران Shapour Mohammadi شاپور محمدی shmohammadi@gmail.com 1003194753284600399 1003194753284600399 No university of Tehran دانشگاه تهران