حسابداری، امور مالی و هوش محاسباتی 3092-7366 در دست انتشار 1406 04 01 A Multi-Period Portfolio Optimization Model with Dynamic Risk Preference and Minimum Trading Constraint under Uncertainty ارائه مدل بهینه‌سازی پرتفوی چنددوره‌ای با ترجیح ریسک پویا و محدودیت حداقل معاملات در محیط غیرقطعی 1 19 FA صابر بهرامی نژاد گروه مالی-مهندسی مالی، واحد ابهر، دانشگاه آزاد اسلامی، ابهر، ايران فرید عسگری گروه اقتصاد، واحد ابهر، دانشگاه آزاد اسلامی، ابهر، ايران علی امامی میبدی گروه اقتصاد انرژی، دانشکده اقتصاد، دانشگاه علامه طباطبایی، تهران، ايران بابک حاجی کریمی گروه مدیریت صنعتی، واحد ابهر، دانشگاه آزاد اسلامی، ابهر، ایران Journal Article 1404/12/22 <p>The objective of this study was to develop a multi-period portfolio optimization model under uncertainty that simultaneously incorporates dynamic investor risk preference, Value at Risk (VaR), and minimum trading constraints to improve investment decision-making and risk management over a multi-period investment horizon. This study was an applied quantitative research based on mathematical modeling and portfolio optimization. The proposed model formulated asset returns within a multi-period uncertain environment, and the objective function was designed to maximize expected wealth while controlling risk through the VaR criterion. To reflect realistic investor behavior, risk preference was modeled dynamically across different time periods. In addition, a minimum trading constraint was incorporated to reduce transaction costs and avoid unnecessary portfolio reallocations. Real monthly financial data from ten major companies listed on the Tehran Stock Exchange during the period from 2018 to 2026 were extracted from the Rahavard 365 database. Due to the nonlinear and complex structure of the optimization model, a genetic algorithm was employed as the metaheuristic solution approach in MATLAB. The model performance was evaluated using sensitivity analysis and risk–return performance indicators. The findings demonstrated that the proposed model successfully established a balance between expected return and investment risk. The optimal portfolio achieved an expected return of 0.101 with a standard deviation of 0.187, while the VaR at the 95% confidence level was estimated at −0.208. Sensitivity analysis revealed that increasing the confidence level reduced portfolio risk while slightly decreasing expected return. Moreover, higher levels of risk aversion increased the allocation toward low-risk assets and reduced portfolio volatility. The results also indicated that relaxing the trading constraint improved expected return but increased portfolio turnover and risk exposure. Furthermore, the convergence behavior of the genetic algorithm confirmed that the algorithm effectively converged toward a stable and near-optimal solution. The results indicate that the proposed multi-period portfolio optimization model, by incorporating dynamic risk preference, VaR, and minimum trading constraints, provides an efficient and realistic framework for portfolio management under uncertainty. Additionally, the use of the genetic algorithm improved solution quality and enabled the identification of optimal investment allocations over a multi-period horizon.</p> <p>هدف این پژوهش ارائه یک مدل بهینه‌سازی پرتفوی چنددوره‌ای در محیط غیرقطعی است که به‌صورت هم‌زمان ترجیح ریسک پویای سرمایه‌گذار، معیار ارزش در معرض خطر (VaR) و محدودیت حداقل معاملات را برای بهبود تصمیم‌گیری سرمایه‌گذاری و کنترل ریسک در افق زمانی چنددوره‌ای در نظر می‌گیرد. این پژوهش از نوع کاربردی و مبتنی بر مدل‌سازی ریاضی و بهینه‌سازی کمی بود. در مدل پیشنهادی، بازده دارایی‌ها در قالب یک محیط غیرقطعی و چنددوره‌ای مدل‌سازی شد و تابع هدف بر پایه بیشینه‌سازی ثروت مورد انتظار و کنترل ریسک از طریق معیار VaR طراحی گردید. برای انعکاس رفتار واقعی سرمایه‌گذار، ترجیح ریسک به‌صورت پویا در طول دوره‌های زمانی تغییر داده شد. همچنین محدودیت حداقل معاملات برای کاهش هزینه‌های معاملاتی و جلوگیری از بازتخصیص‌های غیرضروری به مدل افزوده شد. داده‌های مورد استفاده شامل اطلاعات واقعی ده شرکت بزرگ بورس اوراق بهادار تهران طی دوره فروردین 1397 تا اسفند 1404 بود که از سامانه ره‌آورد 365 استخراج شد. به دلیل ماهیت غیرخطی و پیچیده مدل، الگوریتم ژنتیک به‌عنوان روش فراابتکاری حل مسئله در محیط MATLAB به‌کار گرفته شد و عملکرد مدل از طریق تحلیل حساسیت و ارزیابی شاخص‌های ریسک و بازده بررسی گردید. نتایج نشان داد مدل پیشنهادی توانست تعادل مناسبی میان بازده مورد انتظار و سطح ریسک برقرار کند. مقدار بازده مورد انتظار پرتفوی بهینه برابر 0.101 و انحراف معیار آن 0.187 به‌دست آمد، در حالی که مقدار VaR در سطح اطمینان 95 درصد برابر 0.208- بود. تحلیل حساسیت نسبت به سطح اطمینان VaR نشان داد با افزایش محافظه‌کاری سرمایه‌گذار، ریسک پرتفوی کاهش یافته اما بازده مورد انتظار نیز اندکی افت می‌کند. همچنین با افزایش پارامتر ترجیح ریسک، سهم دارایی‌های کم‌ریسک در ترکیب پرتفوی بیشتر شد و انحراف معیار پرتفوی کاهش یافت. نتایج مربوط به محدودیت تعداد معاملات نیز نشان داد افزایش انعطاف‌پذیری معاملاتی موجب رشد بازده و در عین حال افزایش ریسک و گردش پرتفوی می‌شود. علاوه بر این، روند همگرایی الگوریتم ژنتیک نشان داد الگوریتم توانسته به راه‌حل پایدار و نزدیک به بهینه همگرا شود. نتایج پژوهش نشان داد مدل بهینه‌سازی پرتفوی چنددوره‌ای پیشنهادی با در نظر گرفتن ترجیح ریسک پویا، معیار VaR و محدودیت حداقل معاملات قادر است چارچوبی کارآمد و واقع‌بینانه برای مدیریت سرمایه‌گذاری در شرایط عدم قطعیت فراهم سازد. همچنین استفاده از الگوریتم ژنتیک موجب بهبود کیفیت راه‌حل‌ها و دستیابی به ترکیب‌های بهینه سرمایه‌گذاری در افق زمانی چنددوره‌ای شد.</p> https://www.jafci.com/index.php/jafci/article/download/424/234