الگوریتم چرخه آب

انتخاب سبد سرمایه گذاری بهینه یکی از مهم ترین چالش های علوم مالی است. هدف این مطالعه بکارگیری الگوریتم چرخه آب چند هدفه (MOWCA) برای یافتن ترکیبی کارآمد از سبد سرمایه گذاری است. مسئله مورد مطالعه یک مسئله چند هدفه غیر خطی است که توابع هدف آن شامل حداکثر سازی بازده و حداقل سازی ریسک است. الگوریتم چرخه آب از فرآیند چرخه آب در طبیعت شبیه سازی شده است و نخستین بار توسط مرادی و همکاران (2017) از این الگوریتم برای بهینه سازی سبد سهام در چهار بورس بزرگ دنیا بهره گرفته شده است. در این تحقیق از اطلاعات روزانه طی سال های1392 تا 1394، 30 شرکت بزرگ بورس تهران استفاده شده است. به علاوه عملکرد MOWCA برای حل مسائل بهینه سازی چندهدفه با سایر بهینه سازهای چندهدفه از قبیل الگوریتم ژنتیک چندهدفه (MOGA) و الگوریتم پرندگان چندهدفه (MOPSO) مقایسه شده است. به منظور مقایسه از چهار معیار عملکرد برای مقایسه نتایج الگوریتم ها از چهار معیار مرسوم استفاده شده است: فاصله، یکنواختی، تنوع و پوشش. یافته ها حاکی از آن است که بر اساس اغلب معیارهای ارزیابی عملکرد مورد استفاده در این تحقیق، MOWCA درمقایسه با سایر الگوریتم های فرا ابتکاری برای مسائل بهینه سازی سبد سرمایه گذاری کارآمدی بیشتری دارد.

هدف: حسابرسی مستقل از طریق اعتباربخشی به گزارش های مالی، در بهبود تصمیم گیری استفاده کنندگان و کارایی، بازار نقش اساسی دارد. کیفیت کار این حسابرسان، به عوامل متعددی بستگی دارد و یکی از این عوامل بسیار مهم، استقلال آن هاست. به دلیل مرتبط بودن پدیده تغییر حسابرس با استقلال نیز، این پدیده باید به دقت بررسی شود؛ زیرا یکی از موضوعات حیاتی هر شرکتی محسوب می شود. پدیده تغییر حسابرس باعث ایجاد گسست بین حسابرسان و کارفرما می شود. پیش بینی تداوم یا عدم تداوم روابط حسابرس با صاحب کار در سال های آتی، یکی از موضوعات چالش برانگیز در حرفه حسابرسی تلقی می شود. این پژوهش به پیش بینی تغییر اختیاری حسابرس (عدم تداوم رابطه با صاحب کار فعلی) با استفاده از یک الگوریتم فراابتکاری (الگوریتم چرخه آب) و مقایسه نتایج آن با رگرسیون لجستیک می پردازد.روش: جامعه آماری پژوهش، شرکت های پذیرفته شده در بورس اوراق بهادار تهران است که بر اساس شرایط در نظر گرفته شده برای انتخاب نمونه، ۱۸۵ شرکت، به روش حذف سیستماتیک، طی سال های ۱۳۹۵ تا ۱۴۰۱، انتخاب و اطلاعات آن ها جمع آوری شد. سال شرکت هایی که در آن ها تغییر اجباری حسابرس رخ داده بود، از فهرست نمونه حذف شدند. سپس از نرم افزارهای اکسل و متلب، برای پیاده سازی الگوریتم ها بهره گرفته شد. در این پژوهش، از ۱۳ متغیر مالی و غیرمالی استخراج شده از ادبیات، به منظور پیش بینی تغییر حسابرس استفاده شد که عبارت بودند از: نسبت جاری، سرمایه در گردش، نسبت بدهی، نسبت دارایی ها، بازده دارایی ها، کیفیت سود، اندازه شرکت، اندازه مؤسسه حسابرسی، نوع گزارش حسابرس، تغییر مدیریت، تفکیک مدیر عامل از رئیس هیئت مدیره، محافظه کاری حسابداری و توان رقابتی شرکت. به علاوه، نتایج به دست آمده از الگوریتم چرخه آب با استفاده از ماتریس درهم ریختگی که شامل چهار معیار ارزیابی است، با نتایج رگرسیون لجستیک، به عنوان یکی از رگرسیون های معروف در برآورد متغیرهای باینری، مقایسه شد، این معیارها عبارت اند از: صحت، دقت، حساسیت و تشخیص. به علاوه، برای اطمینان از قابلیت اتکای نتایج، هر یک از روش های یادشده ۱۰ بار پیاده سازی شد.یافته ها: کمابیش در تمام پیاده سازی ها و بر اساس هر چهار معیار ارزیابی عملکرد، الگوریتم چرخه آب برای پیش بینی تغییر حسابرس، مناسب تر از رگرسیون لجستیک است. به طور کلی، معیارهای دقت، صحت، حساسیت و تشخیص پذیری، در پیش بینی تغییر حسابرس توسط الگوریتم چرخه آب، به ترتیب 89، 75، 2 و 9/99 درصد بوده است. این در حالی است که معیارهای مربوط به رگرسیون لجستیک به ترتیب 67، 74، 1 و 8/99 درصد بوده است.نتیجه گیری: الگوریتم چرخه آب می تواند برای پیش بینی تغییر اختیاری حسابرس توسط استفاده کنندگان و مؤسسه های حسابرسی سودمند واقع شود. مؤسسه های حسابرسی می توانند از این ابزار، برای پیش بینی تداوم یاعدم تداوم روابطشان با مشتری در سال های آتی و برنامه ریزی بهتر برای کسب درآمد استفاده کنند. مشتریان حسابرسی و شرکت ها نیز می توانند از این ابزار برای پیش بینی روابط آتی با حسابرس و برنامه ریزی و زمان بندی سریع تر برای انتخاب حسابرس بعدی استفاده کنند.

هدف: این مطالعه به ارزیابی و مقایسه عملکرد الگوریتم های فراابتکاری با مدل کلاسیک مارکوویتز برای بهینه سازی سبد سهام در بازار سهام ایران که دارای نوسانات بالا و ناکارآمدی است، می پردازد. هدف اصلی، شناسایی تخصیص بهینه دارایی از بین ۶۴ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی یک دوره پنج ساله (1398-1403) و ارزیابی منتقدانه بده بستان های ارائه شده توسط هر روش از نظر ریسک، بازده و کارایی محاسباتی است. این نکته نشان می دهد که راه حل های فراابتکاری می توانند در کنار مدل کلاسیک مارکوویتز عملکرد بهتری در برخی جنبه های عملی سرمایه گذاری ارائه دهند، ضمن اینکه انتخاب نهایی باید مطابق با اولویت های سرمایه گذار باشد. این مطالعه چارچوبی کارآمد برای مدیران پرتفوی فراهم می کند تا ابزار بهینه سازی را بر اساس هدف ریسک-بازده و مهلت های تصمیم گیری خود ترکیب کنند. روش: این مطالعه از یک چارچوب تحلیلی مقایسه ای استفاده می کند و مدل بهینه سازی میانگین -واریانس کلاسیک مارکوویتز را در مقابل دو الگوریتم فراابتکاری قرار می دهد: الگوریتم چرخه آب (WCA) و بهینه ساز گرگ خاکستری (GWO). با استفاده از داده های تاریخی پنج ساله از ۶۴ شرکت در بورس اوراق بهادار تهران (1398-1403)، سبدهای سهام بهینه را بر اساس هر روش ایجاد می شود. سپس یک دستورالعمل جامع ارزیابی ریسک اعمال می گردد تا عملکرد سبد سهام را نه تنها از طریق معیارهای سنتی مانند نسبت شارپ و انحراف معیار، بلکه با ترکیب معیارهای پیشرفته ریسک مانند ارزش در معرض ریسک (VaR)، ارزش در معرض ریسک شرطی (CVaR) و حداکثر افت سرمایه (MDD) برای ارائه یک ارزیابی چندوجهی موردمطالعه و بررسی قرار دهد. در این راستا کارایی محاسباتی هر الگوریتم نیز به طور دقیق محک زده شد. یافته ها: نتایج به دست آمده، نکات ظریفی و قابل تأملی را ارائه می دهند. الگوریتم چرخه آب مزیت قابل توجهی در کارایی محاسباتی نشان می دهد که تقریباً 6.7 برابر سریع تر از بهینه ساز گرگ خاکستری است. علاوه بر این، در به حداقل رساندن حداکثر افت سرمایه ، یک معیار ریسک حیاتی برای حفظ سرمایه در درازمدت، عملکرد فوق العاده ای داشت. با این حال، برخلاف فرضیه اولیه، مدل مارکوویتز در کنترل نوسانات روزانه (انحراف معیار) و کاهش ریسک دنباله افراطی از WCA بهتر عمل کرد. GWO به طور مداوم در تمام معیارهای کلیدی عملکرد ضعیف تری داشت. این یافته ها تأکید می کنند که برتری الگوریتم به شدت به معیار ریسک خاصی که توسط سرمایه گذار اولویت بندی می شود، وابسته است، نه اینکه یک برنده مطلق را ارائه دهد. نتیجه گیری: از نتایج این تحقیق آن است که روش های فراابتکاری مدرن مانند WCA جایگزین های کاملی نیستند، بلکه مکمل های قدرتمندی برای مدل های کلاسیک هستند.WCA به عنوان ابزاری برتر برای سرمایه گذارانی که سرعت محاسباتی و انعطاف پذیری در برابر رکودهای طولانی مدت بازار را در اولویت قرار می دهند، پدیدار می شود. در مقابل، مدل مارکوویتز همچنان یک انتخاب قوی برای مدیریت نوسانات کوتاه مدت است. این مطالعه بر لزوم همسو کردن انتخاب ابزار بهینه سازی با اهداف سرمایه گذاری خاص و تعاریف ریسک تأکید می کند و یک چارچوب عملی برای سرمایه گذاران و مدیران پرتفوی در بازارهای نوظهور مانند ایران ارائه می دهد. این تحقیق با ارائه چارچوب مقایسه ای منسجم، به کارفرمایان و سرمایه گذاران نشان می دهد که پیاده سازی آزمایشی و ارزیابی مستمر با در نظر گرفتن ابعاد مختلف ریسک (VaR، CVaR، MDD) و معیارهای کارایی محاسباتی، می تواند به بهبود کیفیت تصمیم گیری ها در بازارهای با اطلاعات ناقص کمک کند.