‫تقدير المحفظة االستثمارية المثلى باستخدام الخوارزميات الجينية‬

‫حالة أسهم بورصة الجزائر ‪-‬‬ ‫–‬

‫‪1‬‬
‫زواوي الحبيب‬
‫‪2‬‬
‫نعاس مريم نجاة‬
‫الملخــــــــــص ‪:‬‬
‫تهدف هذه الدراسة إلىإدارة مخاطر محفظة األوراق المالية باالعتماد على‬
‫إستراتيجية التنويع االستثماري ‪ ،‬وتسعى أساسا لتطبيق الخوارزميات الجينية(‪)GA‬في‬
‫تحسيننموذج ماركويتز (العائد‪-‬المخاطرة) للحصول على محفظة مثلى ‪.‬والتي تعدمن مشاكل‬
‫األمثلة في المحفظة االستثمارية المتعددة الهدف التي تهدف إلى تعظيم العائد المتوقع وتدنية‬
‫المخاطرة ‪.‬وقامت هذه الدراسة على عينة بيانات لألسعار الشهرية ما بين ‪2010/01/31‬‬
‫‪ 2010/12/31 -‬لخمس أسهم شركات مدرجة في بورصة الجزائر‪ .‬إضافة لذلك محاولة‬
‫تقييم فعالية الخوارزميات الجينية في تحسين مستوى المخاطرة األمثل واتخاذ القرار‬
‫االستثماري العقالني ‪.‬‬
‫الكلمات المفتاحية ‪ :‬المحفظة المثلى ‪ ،‬الذكاءاالصطناعي ‪ ،‬الخوارزميات الجينية ‪ ،‬العائد‬
‫والمخاطرة‬
‫المقدمة ‪:‬‬
‫يعد االستتثمار فتي األستواق الماليتة متن القت اررات التجاريتة الصتعبة فتي ظتل الحركتة الثالثيتة‬
‫الدولية للعولمة المالية وظروف عدم التأكد المحيطة بعملية اتخاذ القرار‪،‬وذلك نظ ار للتعقيدات‬
‫وانتشتتار عتتدوى المختتاطر الماليتتة ومتتن ثتتم أصتتبا ل ازمتتا علتتى المستتتثمر اتختتاذ الق ترار الرشتتيد‬
‫يسعى من خالله لتعظيم عائتد استتثماره مقابتل تحملته نستبة متن المختاطرة ناتجتة عتن مصتادر‬

‫‪ .1‬أستاذ محاضر ب ‪ ،‬معهد العلوم االقتصادية والتجارية وعلوم التسيير‪ ،‬المركز الجامعي‬
‫لغليزان ‪ ،‬البريد االلكتروني‪habib.zouaoui@gmail.com:‬‬
‫‪ .2‬أستاذ مساعد ‪ ،‬كلية العلوم االقتصادية والتجارية وعلوم التسيير ‪ ،‬جامعة حسيبة بن بوعلي‬
‫‪rnadjat_meriem@outlook.f‬‬ ‫‪ -‬الشلف ‪ ،‬البريد االلكتروني‪:‬‬
‫‪113‬‬
‫مختلفة ‪،‬هذه األخيرة تكون تابعة لظروف داخلية خاصة بالمؤسستة (مختاطر ريتر نظاميتة) و‬
‫خارجية تابعة لمتغيرات السوق (مخاطر نظامية)‪.‬‬
‫إن هدف المستثمر هو اختيار وسيلة االستثمار األنجع (المحفظة االستثمارية) التي تحقق‬
‫أكبر عائد ممكن وفي الوقت نفسه أقل نسبة من المخاطرة برأس المال أي تحقيق هدفين‬
‫متناقضين‪ ،‬وفي هذا الصدد عرفت النظرية االقتصادية العديد من النماذج المساعدة في‬
‫عملية اتخاذ القرار والوصول إلى ما يسمى المحفظة االستثمارية المثلى‪ ،‬جاءت نظرية‬
‫المحفظة الحديثة (‪ )Modern Portfolio Theory‬سنة ‪1990‬م كإحدى المساهمات الهامة‬
‫في مجال اتخاذ الق اررات على مستوى األسواق المالية ‪،‬والتي أثبتت إمكانية بناء وادارة‬
‫محافظ استثمارية كفؤة مع االستفادة من مبدأ التنويع االستثماري‪.‬‬
‫حيث بدأتالبحوثوالدراسات حواللمحفظةالمثلى فيوقتمبكرمنذعام ‪1952‬باقتراح مناالقتصادي‬
‫أنها‬ ‫المحفظةعلى‬ ‫اعتبر‬ ‫والذي‬ ‫شارب‪.‬‬ ‫ويليام‬ ‫وبمساعدة‬ ‫ماركويتز‬ ‫هاري‬
‫من‬ ‫عبارةعنمجموعةمناألصوألواألوراقالمالية‪.‬نسعى‬
‫خاللهابتعظيممعداللعائدعلىاالستثماروتقييمالمخاطرواألداء‪.‬وقام بصيارة رياضية لسلوك‬
‫االستثمار وفق نماذج رياضيةفي نظريةالمحفظةالحديثة التي سوف نتطرق اليها بالتفصيل‬
‫في بحثنا‪3.‬وبهدف الحصول على الحلول المثلى لهذه المسائل الرياضية ‪،‬تم استخدام الطرق‬
‫الميتاهيروستيكية )‪(Métaheuristic‬على نطاق واسع من أجل اتخاذ الق اررات االستثمارية‬
‫في وقت قياسيربحا للمال‪،‬حيث ركزنا في بحثنا على الخوارزميات الجينية كإحدى الطرق‬
‫‪4‬‬
‫التك اررية المستخدمة حديثا‪.‬‬
‫‪ .1‬إشكالية البحث ‪:‬‬

‫‪3‬‬
‫‪.R. J. Kuo, and C. W. Hong, "Integration of Genetic Algorithm and‬‬
‫‪Particle Swarm Optimization for Investment Portfolio Optimization",‬‬
‫‪Applied Mathematics & Information Sciences An International‬‬
‫‪Journal ; Sci. 7, No. 6, 2397-2408 (2013).‬‬
‫أحمدمحمودمحمدالسبعاوي‬ ‫‪.4‬‬
‫‪،‬زيدونمهندخليل‪"،‬اقتراحخوارزميةمهجنةعنطريقربطالخوارزميةالجينيةوخوارزميةمحاكاةال‬
‫تلدينلحل مسائاللتخصيصالتربيعية"‪،‬المجلةالعراقيةللعلوماإلحصائية (‪، 2014، )2‬‬
‫ص‪. 136-117‬‬
‫‪114‬‬
 ‫في سياق ما سبق ذكره يسعى البحث لإلجابة على اإلشكالية التالية ‪:‬‬
‫‪ -‬ما مدى فعالية استخدام الخوارزميات الجينية في إدارة محفظة األوراق المالية من‬
‫مخاطر تقلبات أسعار أسهمها على مستوى بورصة الجزائر ؟‬
‫‪ .2‬أهمية البحث‪:‬‬
‫إن هدف البحث هو مساعدة المستثمرين على عملية إدارة مخاطر االستثمار في‬
‫محفظة األوراق المالية على مستوى بورصة الجزائر وفق طرق علمية مدروسة بعناية وذلك‬
‫من أجل بناء محافظ استثمارية مثلى‪،‬ويكون ذلك وفقا لنموذج ماركويتز بصيارة المشكلة‬
‫كمسألة برمجة تربيعيته والتي هي من مساثل المثلويات ومن ثم تطوير نموذج يعطي حلوالً‬
‫مثلوية أفضل ومحاكاة هذه النماذج حاسوبياً باستخدام الطرق الميتاهيروستيكية (الخوارزميات‬
‫الجينية) ‪ .‬وأهمية البحث تأتي من ناحيته التطبيقية في الواقع العملي وخاصة تطبيقاته في‬
‫البورصة فباستخدام هذه الطرق الرياضية يتم تقديم أعلى مستوى من الخدمة للمستثمر‬
‫بمساعدته في اتخاذ القرار األمثل لعمليته االستثمارية في ظل مخاطر السوق ‪.‬‬
‫‪ .3‬فرضيات البحث ‪:‬‬
‫في ظل هذا السياق وعلى ضوء اإلشكالية الرئيسية و أهمية البحث قمنا ببناء الفرضيات‬
‫التالية‪:‬‬
‫الفرضية األولى‪:‬توجد إمكانية إلدارة محافظ استثمارية ذات كفاءة عالية ( ‪Efficient‬‬
‫‪ )portfolio‬تحقق عوائد مرتفعة بمخاطر محدودة على مستوى بورصة الجزائر‪.‬‬
‫الفرضية الثانية ‪ :‬توجد إمكانية لتخفيض مخاطر االستثمار في األوراق الماليتة عتن طريتق‬
‫إستراتيجية التنويع االستثماري في أسهم الشركات المدرجة في بورصة الجزائر‪.‬‬
‫عينة ومنهجيةالبحث ‪:‬‬ ‫‪4‬‬
‫تضمنتعينةالبحثعدداًمنالشتتركات المدرجةفيبورصتتة الج ازئتتر‪ ،‬وتمتنتتاولتطور ربحيتتة األصتتول و‬
‫العوائت تتد الشت تتهرية ألسهمهذهالشت تتركاتللفترة مت تتا بت تتين ‪.2010/12/31-2010/01/31‬وقت تتد تت تتم‬
‫اعتم تتاد المنهج تتين الوص تتفي م تتن خ تتالل الجان تتب النظ تتري لمختل تتف مف تتاهيم البح تتث ‪،‬والم تتنه‬
‫التجريبي التحليلي من خالل جانب المحاكاة‪.‬‬
‫‪ .‬محاور البحث ‪:‬‬ ‫‪5‬‬

‫‪115‬‬
‫بهتتدف اإلجابتتة علتتى اإلشتتكالية الرئيستتية للبحتتث قمنتتا بتقستتيمه إلتتى جتتانبين نظتتري وتطبيقتتي‬
‫تضمنت على المحاور التالية ‪:‬‬
‫المحور األول ‪:‬سياسة التنويع ونظرية المحفظة المثلى ‪.‬‬
‫المحور الثاني ‪ :‬تطبيقاتالخوارزميات الجينية في علم االقتصاد ‪.‬‬
‫المحور الثالث ‪:‬استخدام الخوارزميات الجينيةفي تحديد المحفظة االستثمارية المثلى ‪.‬‬

‫الجانب النظري‬

‫المحور األول ‪ :‬سياسة التنويع ونظرية المحفظة المثلى (‪:)MPT‬‬

‫يعد ماركويتز الحائز على جائزة نوبل سنة ‪ 1990‬م‪ ،‬أول من أشار إلى مفهوم العائد‬
‫والمخاطرة في االستثمار ‪،‬باإلضافة إلى تطرقه ألهميته التنويع (‪ )Diversification‬تدنية‬
‫المخاطرة ‪،‬حيث قام بصيارة كل هذا في نظرية المحفظة المثلى التي تتضمن‬
‫المكونةللمحفظةوذلكبمراعاةدرجةاالرتباطبينعائدتلك‬ ‫ضرورةاالختيارالدقيقلالستثمارات‬
‫‪.‬فكلماكانتهذهالعالقةعكسيةأومستقلةأيليسهناك‬ ‫‪)H.‬‬ ‫(‪Markowitz,1952‬‬ ‫اإلستثمارات‬
‫عالقة‪،‬فإنالمخاطرالتيتتعرضلهاعائدالمحفظةتكونأقلممالو‬
‫‪.‬‬ ‫كانتهناكعالقةطرديةبينعائدتلكاإلستثمارات‬
‫يضافإلىذلكأنهذااألسلوبفيالتنويعقدينجا‪،‬ليسفقطفيالتخلصمنالمخاطر رير النظامية (الخاصة)‬
‫‪.‬إذ‬ ‫‪،‬بلوالتخلصمنجزءمنالمخاطرالعامة(النظامية)‬
‫يعتبرأفضالستثمارمقترحهوذلكاإلستثمارالذييكونمعامالالرتباطبينالعائدالمتوقعمنورائهوبينمعداللمتو‬
‫قعمن اإلستثماراتالقائمةبالفعالرتباطسالب‪.‬و ترتكز دراستنا على هذا النموذج في شكله الساكن‬
‫(‪ )Static Model‬و الديناميكي (‪ )Dynamic Model‬المعمول به حديثا في اتخاذ الق اررات‬
‫االستثمارية في األسواق المالية العالمية ‪.‬‬
‫‪ -1.1‬نموذج المحفظة المثلى لماركويتز‪:‬‬
‫‪ -1.1.1‬فرضيات النموذج ‪:‬‬

‫‪‬‬
‫‪MPT : Modern Portfolio Theory .‬‬

‫‪116‬‬
‫قام هاري ماركويتز بتقديم إضافة جديدة في مجال اتخاذ الق اررات االستثمارية من خالل‬
‫استخدام نموذج البرمجة التربيعية في اختيار المحفظة االستثمارية عام ‪1952‬م ‪ ،‬الذي يعد‬
‫من بين التقنيات الكمية الحديثة في مجال الرياضيات المالية المعمول بها في مجال اتخاذ‬
‫‪5‬‬
‫الق اررات االستثمارية‪ ،‬ويستند هذا النموذج على عدة افتراضات نذكر منها ‪:‬‬
‫‪ .1‬المنافسة التامة وعدم وجود مصاريف عمولة ‪.‬‬
‫‪ .2‬ال يوجد بيع على المكشوف‪.‬‬
‫‪ .3‬يوجد عدد كافي من األصول المالية من ناحية الكم والنوع‪ ،‬وال توجد أي قيود على بيع‬
‫أو شراء األصول المالية‪.‬‬
‫‪ .4‬نفس التوقعات العقالنية لدى األفراد اتجاه العوائد ‪.‬‬
‫يضع كل مستثمر في عين االعتبار عاملين عند اختيار أصول المحفظة االستثمارية‬
‫هما‪ ،‬العائد والمخاطرة‪ ،‬لذلك يكون الهدف الرئيسي من نموذج المحفظة االستثمارية إما تدنية‬
‫مخاطرة المحفظة مع تحقيق مستوى مقبول من العائد أو تعظيم العائد عند مستوى معين من‬
‫المخاطرة‪ .‬وفي نموذج ماركويتز يظهر عنصر المخاطرة من خالل إيجاد تباين المحفظة‬
‫االستثمارية‪.‬ولتضمين المخاطرة (النظامية ورير النظامية ) التي تأتي من االرتباط بين عوائد‬
‫األسهم يستخدم التباين المشترك )‪ )Covariance‬لمعرفة درجة االرتباط‪ ،‬حيث أن بعض‬
‫عوائد األسهم قد تتحرك سوية باتجاه نحو األعلى أو األسفل (عالقة طردية أو عكسية )‬
‫خالل الزمن‪ ،‬وعادة يحاول المستثمرون التقليل من هذه المخاطرة من خالل التنويع‪ ،‬أي يقوم‬
‫‪6‬‬
‫المستثمر بتوزيع أمواله بين كم ونوع من األصول المالية ‪.‬‬
‫‪ -2.1.1‬الصيغة الرياضية للنموذج الساكن (‪:)Static Model‬‬

‫‪ .5‬محمد عبد محمد مصطفى‪ ،‬تقييم شركات المالية ألرراض التعامل في البورصة‪ ،‬دار‬
‫الجامعة للنشر‪.1998 ،‬‬
‫عدنانعبدالفتاحصوفي‪،‬رازيعبيدمدنيوياسينعبدالرحمنجفري‬ ‫‪.‬‬
‫‪6‬‬

‫فيالمملكةالعربيةالسعودية « ‪،‬مجلة‬ ‫‪ »،‬إمكانيةاالستفادةمنالتنويعاالستثماريفيسوقاألسهم‬

‫االقتصاد واإلدارة ‪ ،‬المجلد ‪ ، 2‬جامعة الملك عبد العزيز ‪1989،‬م‪.‬‬
‫‪117‬‬
‫كما قام ماركويتز بالصيارة الشعاعية لدالة الهدف في نموذج تدنية المخاطرة لمحفظة‬
‫‪7‬‬
‫إستثمارية متكونة من مجموعة أسهم كما يلي ‪:‬‬

‫‪Min : w:Vw‬‬ ‫أو صيغة ‪‬‬

‫تعظيم‬
‫;‪Max : w ' R‬‬
‫‪....(2.1)….‬‬ ‫‪w R  RP ‬‬
‫‪‬‬
‫‪w Vw  k‬‬
‫'‬
‫‪s/c:‬‬
‫' ‪s/c:‬‬
‫‪‬‬ ‫حيث يمثل‪we :1‬‬
‫‪w e  1‬‬
‫شعاع األوزانالنسبية لمكونات المحفظة ‪w  ( w1 ,...., wn ) :‬‬
‫) ‪R  ( R1 ,...., Rn‬‬ ‫شعاع عوائد األصول ‪:‬‬
‫) ‪R  ( R1 ,...., R n‬‬ ‫شعاع العوائد المتوقعة لألصول‬
‫)‪e  (1,....,1‬‬ ‫شعاع إحداثياته تساوي ‪: 1‬‬
‫‪‬‬
‫‪V   ij 1 ij  n‬‬‫‪‬‬ ‫مصفوفة تباين‪ -‬تباين مشترك للعوائد‪:‬‬
‫‪‬العالقة التالية ‪:‬‬ ‫‪‬‬
‫‪ R‬وفق‬
‫‪P‬‬ ‫‪‬‬ ‫كما يحسب العائد المتوقع‬
‫)‪(2.2‬‬

‫ويحسب عنصر المخاطرة (النظامية ورير النظامية ) الذي يعبر عن تشتت العائد‬
‫للمحفظة وفق العالقة التالية ‪:‬‬
‫)‪(2.3‬‬

‫‪ -3.1.1‬الصيغة الرياضية للنموذج الديناميكي (‪: )Dynamic Model‬‬

‫بعد تعرفنا على الصيغة الرياضية للنموذج الساكن وتبسيط الحلول رياضيا بالطرق‬
‫المذكورة سابقا‪ ،‬سوف ننتقل إلى تحليل النموذج الديناميكي بافتراض عدم ثبات العوامل‬
‫األخرى وتغيرها عبر الزمن ( ‪ ، )Continuous-time‬لقد تم دراسة امتداد للنموذج‬
‫الديناميكي لماركويتز المعتمد على خاصية المتوسط واالنحراف في دراسة الخطر والعائد‬

‫‪7‬‬
‫‪.Jean-Luc‬‬ ‫‪Prigent, « Portfolio Optimization and Performance‬‬
‫‪Analysis », Financial Mathematics Series, Chapman & Hall/CRC is an‬‬
‫‪imprint of Taylor & Francis Group, 2007, U.S, P : 70-78.‬‬
‫‪118‬‬
‫على فترات متعددة وفق نماذج نظام التبديل (‪ ، ) Regime Switching Models‬و‬
‫أجريت دراسات عديدة حول اختيار المحافظ المثلى في الزمن المستمر عبر صيارة نماذج‬
‫(‪),1969P.A.Samuelson‬‬ ‫دراسة‬ ‫ررار‬ ‫على‬ ‫ديناميكية‬
‫‪،‬و(‪ )N.H.Hakansson ,1971‬ودراسة (‪،),1997S.R.Pliska‬ومن ناحية أخرى تناول‬
‫مشاكل التحوط المتضمنة في نموذج ماركويتز في الزمن المستمر حيث تم اشتقاق‬
‫استراتيجيات مثلى(‪،)Optimal Dynamic Strategies‬نذكر من أبرزها دراسة (‬
‫‪ )D.Duffie&H.Richardson, 1991‬ودراسة ( ‪. ) M.Schweizer ,1996‬‬
‫‪ ‬طور كل من (‪) 2000,Zhou & Li‬نموذج ماركويتز في الزمن المستمر باستخدام‬
‫نظرية النماذج التصادفية في شكلها الخطي التربيعي (‪Stochastic Linear Quadratic‬‬
‫)‪.8‬كما تمت دراسة(‪ )J.Yong & X.Y.Chou ، 1999‬والتي وفرت فرصة لعالج حاالت‬
‫أكثر تعقيدا على سبيل المثال مشكلة اختيار المحفظة مع معامالت عشوائية تم حلها‬
‫باستخدام نظرية البرمجة الخطية التربيعية والمعادالت التفاضلية العشوائية ( ‪Stochastic‬‬
‫‪ . ) Differential Equations‬حيث ركزت الدراسات السابقة للنموذج الديناميكي‬
‫لماركويتز خالل الزمن المستمر على استخدام سالسل ماركوف‪ )Markov Chain(‬لدراسة‬
‫عشوائية السوق و التغيرات العشوائية لألسهم باستخدام الحركة البراونية ( ‪Brownian‬‬
‫‪ ،‬حيث تمت صيارة المشكل في شكل نموذج عشوائي ماركوفي تحت قيد‬ ‫‪‬‬
‫‪)Motion‬‬
‫‪9‬‬
‫العائد المتوقع للمستثمر(‪. ) ,1995R. Korn & S. Trautmann‬‬

‫‪ .‬للتفصيل أكثر أنظر ‪:‬‬

‫‪- James D.Hamilton, « Regime-Switching‬‬ ‫‪Models», Palgrave‬‬
‫‪dictionary of Economics, USA, May 2005.‬‬
‫‪ . 8‬للتفصيل أكثر انظر‪:‬‬
‫‪- Min Dai , Zuo Quan Xu, Xun Yu Zhou, “Continuous-Time‬‬
‫‪Markowitz’s Model with Transaction Costs”, October, 2009.//‬‬
‫‪www.math.nus.edu.sg/~matdm/mv-transaction6.pdf(16/10/2012).‬‬
‫‪‬‬
‫‪ .‬سلسلة ماركوفمصطلح فيالرياضياتوهو عبارة عنعملية عشوائية )‪ (Stochastic Process‬حتملخاصية‬
‫تكه ُن املستقبل انطالقا من احلاضر ال حيتاج إىل معرفة املاضي‪ .‬ولقدأخذت اسم‬
‫ماركوفية ‪.‬يف عمليةكهذه‪ُ ،‬‬
‫مبتكرها الروسيأندريا ماركوف‪.‬‬
‫‪ .‬للتفصيل أكثر أنظر ‪:‬‬
‫‪119‬‬
‫‪ ‬ومن جهة أخرى ‪،‬كانت هناك دراسات لتطوير نموذج ماركويتز المتعدد الفترات مع‬
‫وجود مصاريف عمولة ‪ ،‬على ررار دراسة (‪ ،) Engle & Ferstenberg , 2007‬و (‬
‫‪ ، )Garleanu & Pedersen, 2009‬وذلك عكس ما افترضه ماركويتز تماما‪.‬كما تم‬
‫التعبير على مصاريف العمولة (‪)Transaction Costs‬وفق دالة تربيعية من الشكل التالي‬
‫‪10‬‬
‫‪:‬‬
‫)‪(2.4‬‬
‫و يعبر السعر اإلجمالي لألسهم المتداولة بالمعادلة التالية ‪:‬‬
‫)‪(2.5‬‬
‫)‪(2.6‬‬
‫و جاءت الصيغة النهائية للنموذج الديناميكي لماركويتز المتعدد الفترات وفق االفتراضات‬
‫المذكورة سابقا على النحو التالي ‪:‬‬

‫)‪(2.7‬‬
‫تحت القيود التالية‪:‬‬
‫)‪(2.8‬‬
‫حيث تمثل ‪:‬‬
‫‪ : ‬معامل الخطر ‪.‬‬
‫‪ :t‬العائد المتوقع في الزمن ‪.t‬‬

‫‪ -‬رمي سليمان اخلش ‪"،‬احلركة الربوانية و احلسابات العشوائية"‪ ،‬منشورات جامعة دمشق ‪ ،‬كلية العلوم ‪-2010 ،‬‬
‫‪،2011‬ص ص‪.120-108:‬‬
‫‪.Xun Yu Zhou and G.Yin ,”Markowitz’s Mean-Variance Portfolio‬‬
‫‪9‬‬

‫“ ‪Selection with Regime Switching : A Continuous-Time Model‬‬

‫‪,March 2006 ,PP:5-11.‬‬

‫‪. Esben Hedegaard, “Robust Dynamic Asset Allocation With‬‬

‫‪10‬‬

‫‪Imperfect‬‬ ‫‪Predictors”,November,‬‬ ‫‪2011,‬‬ ‫‪PP:4-6‬‬ ‫‪:web‬‬

‫‪Site:www.people.stern.nyu.edu/ehedegaa/PDFs/RobustDynamicAsset‬‬
‫‪Allocation.pdf(16/10/2012).‬‬
‫‪120‬‬
 ‫‪:Xt‬عدد األسهم المتداولة في الزمن‪( t‬المحفظة) ‪.‬‬
‫‪ :ft‬شعاع العوائد المتوقعة في الزمن‪. t‬‬
‫‪: ‬مصفوفة معامالت إيجابية محددة من اإلنقالب المتوسط ‪.‬‬
‫‪ : G‬مصفوفة مشبعة ‪.‬‬
‫‪ :pt‬سعر األوراق المالية في الزمن‪. t‬‬
‫المحور الثاني‪ :‬تطبيقاتالخوارزميات الجينية في علم االقتصاد‬
‫تعد الخوارزميات الميتاهيروستيكية المبنية على مبادئ الذكاء االصطناعي ( ‪Artificial‬‬
‫‪ )Intelligence‬األكثر استخداما في مجال واسع من المعرفة وعلوم اإلدارة واإلحصاء وكافة‬
‫المجاالت الهندسية والمعلوماتية ‪ .‬و تتصف هذه الخوارزميات بقدرتها على ابتداع طرق‬
‫ديناميكية تت الئم وطبيعة المسألة المراد معالجتها وتحديد الصيغة العملية إليجاد الحل األكثر‬
‫مناسبة من بين جميع الحلول الممكنة لهذه المسألة ومن ثم تحسين قيمة هذا الحل إلى‬
‫أقصى حدود اإلمكانية‪.‬‬
‫تعد الخوارزميات الجينية أحد أساليب الذكاء االصطناعي التي تستخدم في حل المسائل‬
‫المعقدة‪ ،‬وذلك لتوفرها على عدد كبير من الحلول التقريبية البديلة للحل األمثل‪ ،‬كما تعتمد‬
‫على آلية االنتقاء الطبيعي ونظام الجينات الطبيعية ‪ .‬وتم فعلياً طرح فكرة الخوارزميات‬
‫الجينية – التي هي جزء من الحوسبة التطورية ‪ -‬بشكل فعلي في الواليات المتحدة عام‬
‫‪ 1970‬م من قبل بروفيسور في علوم الحاسب من جامعة ميشيغان (‬
‫‪ ) MichiganUniversity of‬يدعى جون هوالند ( ‪ ،) Johon Holland‬وقد كان قد بدأ‬
‫بالعمل عليها منذ بدايات الستينيات‪ ،‬وكان هدفه تطور فهم إجرائية التطور الطبيعية وتصميم‬
‫نظم صناعية لها مميزات مشابهه للنظم الطبيعية‪.‬وكما أن الدافع المستمر لتحسين أداء النظم‬
‫الحسابية ‪ ،‬جعل من الخوارزميات الجينية أكثر فعالية في حل بعض مسائل األمثلة‬
‫(‪ )Optimization Problem‬التي لم يكن من الممكن حلها بزمن معقول باستخدام بقية‬
‫الطرق التقليدية السائدة‪ ،‬وذلك لكون الخوارزميات الجينية تقلل وتختصر الكثير من الجهد‬
‫في حل مسائل األمثلة مع مراعاة‬ ‫والزمن المطلوبين لدى مصممي األنظمة والبرام‬

‫‪121‬‬
‫خصوصية كل مسألة من حيث حجم ونوع البيانات المستخدمة وطبيعة دالة الهدف والقيود‬
‫‪11‬‬
‫المفروضة‪.‬‬
‫استخدمت الخوارزميات الجينية في حل العديد من المسائل االقتصادية ‪،‬ففي عام ‪1993‬‬
‫قام كل من (‪ )Franklin‬و (‪ )Risto Karijalainen‬باستخدامها الختبار قدرة مقاييس‬
‫التجارة التقنية ‪،‬حيث توصال إلى أن استخدام المعايير اإلحصائية واالقتصادية مع‬
‫المتوصل إليها ‪ ،‬وفي عام‬ ‫الخوارزميات الجينية كان له تأثير معنوي واضا في النتائ‬
‫‪ 1998‬قام (‪ )Herbert Dawid‬و(‪ )Michael Kope‬بتحليل سلوك الخوارزميات الجينية‬
‫في إنتاج نوعين من اإلصدارات لبرنام حاسوبي على شبكة االنترنتوكان أحد أهدافها أن‬
‫يضعا خيارات لكمية التي سينتجانها وكذلك أن يقر ار الخروج أو البقاء في السوق‪ ،‬كما‬
‫استخدمها (‪ )Sylvie Geisendorf‬في عام ‪ 2000‬في تحديد نموذج استغالل المصادر‬
‫االقتصادية بشكل معقول وفي العام ذاته قام كل من (‪ )Alfons Balmann‬و ( ‪Katrin‬‬
‫‪)Happe‬بتطبيق الخوارزميات الجينية على المسائل االقتصادية الخاصة بأسواق األراضي‬
‫الزراعية ‪،‬في عام ‪ 2003‬استخدمها الباحثان (‪ )Pmar Keskinocak‬و( ‪Feryal‬‬
‫‪)Erhun‬في تطبيقات األعمال والتجارة ‪،‬واستمر تطبيق الخوارزميات الجينية على المسائل‬
‫االقتصادية من قبل الباحثين واألكاديميين حتى عام ‪ 2012‬وحققت نتائ أفضل من النتائ‬
‫‪12‬‬
‫على رراردراسةأجريتعلى ‪ 146‬شركةفيبورصةطهران من‬ ‫التي حققتها الطرائق التقليدية‪.‬‬
‫قبل (‪ )M. Garkaz‬عام ‪ 2011‬لتحديدالمحفظةالمثلى‪،‬ودراسة ( ‪S.Sefiane & M.‬‬
‫‪ )Benbouziane‬من الجزائر عام ‪. 2012‬‬
‫‪-1.2‬طرائق عمل الخوارزميات الجينية ‪:‬‬
‫ترتكز الخوارزميات الجينية على مجموعة من الخطوات األساسية لصيارة الحل‬
‫األمثل لمسألة معينة ‪ ،‬وتعتبر ثابتة لمختلف المسائل ولكل التطبيقات ويكون االختالف في‬
‫صيارة كل خطوة من الخطوات وتطبيقها حسب المسألة أو مجال تطبيقها ‪ ،‬إن خطوات هذه‬

‫‪11‬‬
‫‪.A.K.Misra‬‬ ‫‪; « Portfolio Optimization of Commercial Banks - An‬‬
‫‪Application of Genetic Algorithm », European Journal of Business‬‬
‫‪and Management , Vol.5, No.6, 2013.P :120.‬‬
‫‪ .12‬همسة معن محمد ثابت ‪ " ،‬استخدام إحدى التقنيات الذكائية في حل بعض النماذج‬
‫االقتصادية " ‪،‬المجلة العراقية للعلوم اإلحصائية ‪ ،‬العدد ‪ ، 2012 ،21‬ص ‪. 315-304‬‬
‫‪122‬‬
‫الخوارزمية مترابطة بعضها مع البعض اآلخر ‪،‬وال يمكن تطبيق هذه الخوارزمية على أية‬
‫مسألة ما لم تطبق جميع هذه الخطوات واال تفقد الخوارزميات الجينية قيمتها وفعاليتها في‬
‫إيجاد أو تحسين الحل ‪ ،‬و تتضمن خطوات عمل الخوارزميات الجينية على العناصر‬
‫‪13‬‬
‫األساسية التالية ‪:‬‬
‫‪‬البداية (‪: )Start‬وتتمثل في توليد مجتمع عشوائي من الكروموزمات ‪ ،‬أو بعبارة أخرى‬
‫إيجاد حلول مناسبة للمسألة ‪.‬‬
‫‪‬دالة الصالحية ( ‪ : )Fitness Function‬هي تحويل دالة الهدف إلى دالة مناسبة‬
‫للحل في الخوارزميات الجينية ‪.‬‬
‫‪‬مجتمع جديد(‪ : )New Population‬وتتمثل في توليد جيل جديد بتكرار الخطوات‬
‫اآلتية إلى أن يكتمل الجيل ‪ ،‬وتتضمن ما يلي ‪:‬‬
‫االختيار(‪ :)Selection‬يتم اختيار اثنين من الكروموزمات والدين ( ‪Parents‬‬ ‫‪‬‬
‫‪ )Chromosomes‬من المجتمع االبتدائي باالعتماد على دالة الصالحية ( أفضل القيم‬
‫التي لها فرص أكبر لالختيار ) وفق ما يلي‪:‬‬

‫)‪(2.9‬‬

‫حيث تمثل ‪ fi‬دالة الصالحية للفرد ‪.i‬و ‪n‬حجم مجتمع من الكروموزمات‬

‫‪،‬فيكلمرةيتمتحديدكروموزومواحدللمجتمع الجديد‪،‬ويتحققذلكمنخاللتوليدعددعشوائي‪r‬محصور في‬
‫المجال [‪ . ]1 ،0‬فإذا كان‪ r<p1‬ويتم اختيار الكروموزوم األول واال يتم االختيار بحيث‬
‫يكون االحتمال محصور وفق مايلي ‪.r<pi<pi-1 :‬‬
‫التصالب اإلبدالي(‪ :)Crossover‬إجراء إحدى عمليات التصالب للحصول على‬ ‫‪‬‬
‫الذرية (‪ )Offspring‬ويكون بين كروموزمين ‪.‬‬

‫‪13‬‬
‫‪.Slimane‬‬ ‫‪Sefiane,Mohamed Benbouziane; “Portfolio Selection Using‬‬
‫‪Genetic Algorithm”,Journal of Applied Finance & Banking, vol.2,‬‬
‫‪no.4, 2012.‬‬

‫‪123‬‬
‫الطفرة (‪ : )Mutation‬وذلك باحتمال وجود الطفرة يتم عمل الطفرة للسلف الجديد‬ ‫‪‬‬
‫بموقع معين في الكروموزم ‪،‬وتجري بين الجينات في الكروموزم الواحد ‪.‬‬
‫االستبدال (‪:)Replacement‬عملية وضع السلف الجديد المتكون في الجيل‬ ‫‪‬‬
‫الجديد للحلول محل المجتمع االبتدائي‪.‬‬
‫االختبار (‪:)Test‬عند توفر شرط التوقف ‪،‬فإن الخوارزميات الجينية تتوقف وتعيد‬ ‫‪‬‬
‫الحل الجيد من آخر جيل متكون ‪.‬‬
‫معيار التوقف (‪ :)Stopping Creteria‬يستمر إنشاء األجيال المتعاقبة بهدف‬ ‫‪‬‬
‫تحسين الحل( تحسين أمثلية الحل ) ‪ ،‬وذلك حتى يتحقق شرط التوقف الذي يعتمد على‬
‫مقياس توقف الخوارزميات الجينية ‪ ،‬ويختلف هذا المقياس على حسب المسألة المراد حلها ‪.‬‬

‫الجانب التطبيقي‬

‫المحور الثالث‪ :‬استخدام الخوارزميات الجينيةفي تحديد المحفظة االستثمارية المثلى‬

‫نسعى لتحديد نسب التوزيع األمثل للمبلغ المستثمر على األصول بحيث يكون عنصر‬
‫المخاطرة أقل ما يمكن‪.‬نقوم بصيارة نموذج المحفظة في شكله الشعاعي‪.‬ثم نقوم بمحاكاة‬
‫النموذج باستخدام برنام ‪ R+‬للحصول على قيم األوزران المثلى‪ ، wi‬وأخذنا قيم األسعار‬
‫الشهرية عند اإلرالق (‪ )Monthly closing prices‬لعينة محفظة متكونة من أربعة أسهم‬
‫لشركات مدرجة في بورصىة الجزائر خالل الفترة ما بين ‪ 2010/01/31‬إلى‬
‫‪ . 2010/12/31‬وتم صيارة شعاع األوزان كما يلي ‪:‬‬

‫‪:w1‬الجزء المستثمر من رأس المال في سهم ‪SONELGAZ/14‬‬

‫‪:w2‬الجزء المستثمر من رأس المال في سهم ‪Air Algérie‬‬
‫‪:w3‬الجزء المستثمر من رأس المال في سهم‪Alg Telecom‬‬
‫‪:w4‬الجزء المستثمر من رأس المال في سهم ‪EGH EL AURASSI‬‬
‫‪:w5‬الجزء المستثمر من رأس المال فيسهم ‪SAIDAL‬‬
‫‪ -1.3‬صياغة المسألة باستخدام الخوارزميات الجينية‪:‬‬

‫‪124‬‬
‫سوف نستخدم الخوارزميات الجينية للوصول إلى نسب التوزيع األمثل لألوراق المالية‬
‫‪،‬وذلك باالعتماد على الصيغ الرياضية في قياس العائد والمخاطرة التي جاء بها نموذج‬
‫ماركويتز ‪:‬‬
‫‪‬‬
‫المعادلة التالية ‪:‬‬
‫‪ R‬‬ ‫‪‬‬
‫حيث عبر على العائد المتوقع وفق‬
‫‪P‬‬

‫و عنصر المخاطرة (النظامية ورير النظامية ) الذي يعبر عن تشتت العائد للمحفظة وفق‬
‫العالقة التالية‬

‫ومن أجل تنفيذ عمل الخوارزميات الجينية للوصول إلى نسب التوزيع األمثل لألوراق‬
‫المالية ‪،‬سوف نتبع المراحل التالية ‪:‬‬
‫‪ -1.1.3‬دالة الصالحية (‪: )Fitness function‬‬
‫تعتبر دالة الصالحية مهمة في تقييم جودة الحل وهي الرابط بين المشكلة والخوارزميات‬
‫‪،‬وبالتالي يتم تحديدها وفق النموذج المتعدد األهداف لماركويتز ‪،‬والذي نسعى من خالله‬
‫لتعظيم عوائد المحفظة االستثمارية وتدنية المخاطرة وذلك للوصول إلى نسب التوزيع األمثل‬
‫للمحفظة االستثمارية ‪،‬ولهذا تعطى قيمة جودة الحل لكل محفظة استثمارية كحاصل قسمة‬
‫عائد المحفظة إلى مخاطرتها باستخدام المعادلة التالية ‪:‬‬
‫)‪(2.10‬‬

‫وبهذا يكون الحل أمثل كلما كانت قيمة دالة الصالحية أكبر ويصبا الكرموزم أكثر‬
‫صالحية (أفضل القيم التي لها فرص أكبر لالختيار ) ‪.‬‬
‫‪ -2.1.3‬مجتمع الكروموزمات (‪: )PopulationThe‬‬
‫يعتمد حجم المجتمع االبتدائي على عدد القيود في قاعدة البيانات ‪،‬وعموما ألرراض‬
‫تشغيلية تم تحديد حجم المجتمع ب ت ت ‪ 50‬كروموزما تكون هذه القيمة ثابتة خالل الدورات‬
‫الجينية ومن ثم فإن نات البرنام الجيني النهائي بعد انتهاء الدورات الجينية هو مجتمع‬
‫بحجم ‪ 50‬يمثل عدد المحافظ االستثمارية مرتبة حسب قيمة دالة الصالحية ترتيبا تصاعديا‪.‬‬

‫‪125‬‬
 ‫‪ -3.1.3‬تنفيذ العمليات الجينية ضمن الدورة الواحدة‪:‬‬
‫تنت لنا كل دورة جينية مجتمع من الكرموزمات ذات المواصفات الجيدة التي تصلا أن‬
‫تكون حال‪ ،‬وفي كل دورة يتم اختيار مجموعة من الكرموزمات وفق المراحل والعمليات‬
‫المذكورة سابقا إلى أن يتم إيجاد أفضل كرموزم يحتوي أفضل قيمة لدالة الصالحية ‪.‬‬
‫‪ -4.1.3‬معيار التوقف (‪ :)Stopping Creteria‬يستمر إنشاء األجيال المتعاقبة بهدف‬
‫تحسين الحل( تحسين أمثلية الحل ) ‪ ،‬وذلك حتى يتحقق شرط التوقف الذي يعتمد على‬
‫مقياس توقف الخوارزميات الجينية ‪ ،‬ويختلف هذا المقياس على حسب عدد المرات المعطاة‬
‫للبرنام والتي حددت بت ت ‪ 100‬دورة جينية ‪.‬‬

‫‪ -5.1.3‬نتائج الدراسة والمحاكاة باستخدام الخوارزميات الجينية‪:‬‬

‫قبل القيام بتطبيق الخوارزميات الجينية قمنا باستخراج متطلبات استخدام نموذج نظرية‬
‫المحفظة المثلى لماركويتز ‪،‬وذلك باستخراج قيمتي العائد والمخاطرة للمحفظة االستثمارية‬
‫الحالية ( ‪ )Current portfolio‬ودرجة االرتباط بين عوائد أسهم المحفظة لوضع تصور‬
‫حول إمكانية نجاح عملية التنويع االستثماري في توزيع األموال المستثمرة على مختلف‬
‫األسهم ‪.‬‬
‫وبعد استخدام الخوارزميات الجينية لتحسين النموذج المقترح والتي اعتمدت على‬
‫المدخالت (‪)Inputs‬المذكورة سابقا باالعتماد على دالة الصالحية الستخراج نسب التوزيع‬
‫‪R+‬وفق التصالب‬ ‫المحاكاة باستعمال برنام‬ ‫األمثل للمحفظة االستثمارية ‪،‬جاءت نتائ‬
‫‪14‬‬
‫الحسابي (‪)Arithmetic Crossover‬ملخصة في الجداواللتالية ‪:‬‬
‫جدول رقم (‪ : )04‬مخرجات المحفظة المثلى باستخدام الخوارزميات الجينية‬
‫الوقت‬ ‫عائد‬ ‫مخاطر‬ ‫قيمة دالة‬ ‫رقم الكروموزوم‬
‫‪Computing‬‬ ‫المحفظة‬ ‫المحفظة‬ ‫الصالحية‬ ‫‪Chromosom‬‬

‫‪14‬‬
‫‪.Luca‬‬ ‫‪Scrucca, "GA: A Package for Genetic Algorithms in R",‬‬
‫‪Journal of Statistical Software ; April 2013, Volume 53, Issue‬‬
‫‪4.http://www.jstatsoft.org/.‬‬
‫‪126‬‬
 ‫‪time‬‬ ‫‪Mean‬‬ ‫‪Variance‬‬ ‫‪Objective‬‬ ‫‪e‬‬
‫‪Return of‬‬ ‫‪of Portfolio‬‬ ‫‪function value‬‬
‫‪Portfolio‬‬
‫‪3,5840‬‬ ‫‪0,3610%‬‬ ‫‪2,984%‬‬ ‫‪0,90612%‬‬ ‫‪1‬‬
‫‪3,2580‬‬ ‫‪0,4750%‬‬ ‫‪3,238%‬‬ ‫‪0,146695%‬‬ ‫‪2‬‬
‫‪3,1950‬‬ ‫‪0,5720%‬‬ ‫‪3,734%‬‬ ‫‪0,153187%‬‬ ‫‪3‬‬
‫‪2,7560‬‬ ‫‪0,7120%‬‬ ‫‪4,522%‬‬ ‫‪0,157452%‬‬ ‫‪5‬‬
‫‪2,5480‬‬ ‫‪0,872 %‬‬ ‫‪4,934%‬‬ ‫‪0,176732%‬‬ ‫‪11‬‬
‫المصدر ‪ :‬من إعداد الباحثين باالعتماد على مخرجات برنام ‪R+‬‬

‫جدول رقم (‪ : )05‬نسب التوزيع األمثل للمحفظة باستخدام الخوارزميات الجينية‬

‫‪W5‬‬ ‫‪W4‬‬ ‫‪W3‬‬ ‫‪W2‬‬ ‫‪W1‬‬

‫‪0,1699‬‬ ‫‪0,4102‬‬ ‫أوزان‬
‫‪0,1182%‬‬ ‫‪0,1788%‬‬ ‫‪0,1229%‬‬
‫‪%‬‬ ‫‪%‬‬ ‫المحفظة‬
‫المصدر ‪ :‬من إعداد الباحثين باالعتماد على مخرجات برنام ‪R+‬‬

‫‪ -2.3‬تحليل نتائج الدراسة والمحاكاة ‪:‬‬

‫المستخلصة من تطبيق الخوارزميات الجينية (‪)GA‬و قيم دالة‬ ‫من خالل النتائ‬
‫الصالحية المستخدمة سابقا (‪ )fitness function‬كدالة هدف الستخراج نسب التوزيع‬
‫األمثل للمحفظة االستثمارية‪،‬وذلك بتحديد القيم العظمى (‪ )Maximization‬لدالة الهدف‬
‫وفق طريقة التصالب الحسابي (‪ )Arithmetic crossover‬بين الكروموزمات ‪،‬وبعد ‪100‬‬
‫دورة جينية لتنفيذ الخوارزميات الجينية ‪،‬أعطت النتائ المبينة في الجداول (‪ )04‬و (‪)05‬‬
‫فيما يخص المحفظة االستثمارية المثلى لألوراق المالية خالل الفترة السابقة ‪،‬وبهذا يمكن‬
‫القول أن هناك إمكانية لبناء محفظة استثمارية مثلى على مستوى األسواق المالية الخليجية‬
‫تتبع التوزيع التالي ‪:‬‬
‫‪ : 12,29% =W1 ‬في سهم شركة سونلغاز (‪،)SONELGAZ/14‬‬
‫‪ : 41,02% =W2 ‬في سهم شركة الخطوط الجوية الجزائرية (‪،)Air-Algérie‬‬
‫‪127‬‬
 ‫‪ : 17,88% =W3 ‬في سهم مؤسسة اتصاالت الجزائر ( ‪،) Alg-Telecom‬‬
‫‪ : 11,82%=W4‬في سهم المستثمر من رأس المال في سهم ( ‪EGH EL‬‬ ‫‪‬‬
‫‪،)AURASSI‬‬
‫‪ :16,99%=W5 ‬في سهم مؤسسة صيدال (‪.) SAIDAL‬‬
‫وبهذا التنويع يسما بالحصول على محفظة مثلى بمخاطرة تقدر بت‪ 4,934%‬و عائد يقدر‬
‫بت ‪.0,872 %‬‬

‫خالصة البحث ‪:‬‬

‫المحاكاة لنموذج ماركويتز (‪ )Markowitz‬القائم على أساس العائد‬ ‫انطالقا من نتائ‬
‫والمخاطرة حيث قمنا باستخدام الخوارزميات الجينية لتدنية عنصر المخاطرة تحت قيد العائد‬
‫في النموذج المذكور ‪ ،‬حيث تساعد الطرق الميتاهيروستكية في اتخاذ القرار االستثماري‬
‫العقالني في الوقت المناسب وتحت مجموعة من القيود ‪،‬وبهذا يمكن تحقيق إدارة أفضل‬
‫للمخاطر على مستوى بورصة الجزائر وذلك وفق أسلوب علمي دقيق ومدروس بهدف تعظيم‬
‫العائد و تدنية المخاطرة حفاظا على رؤوس األموال المستثمرة‪.‬وبهذا إمكانية توجيه مدخرات‬
‫المؤسسات المالية و األفراد لضخها في هذا الفرع الهام من القطاع المالي لتلبية حاجات‬
‫التمويل المباشر ألصحاب العجز المالي وتشجيع االستثمار في مختلف األدوات المالية‬
‫المستحدثة بصفة عقالنية ‪.‬كما يعطي البحث إضافة علمية جديدة في مجال إدارة مخاطر‬
‫السوق لزيادة ثقة المستثمر اتجاه الحركة العشوائية ألسهم األسواق المالية والتي تعتبر من‬
‫متطلبات تفعيل بورصة الجزائر وتصنيفها في مصاف البورصات المتطورة في العالم‪.‬‬
‫‪ ‬ملحق الجداول و األشكال البيانية ‪:‬‬

‫‪128‬‬
‫المصدر ‪ :‬من إعداد الباحثين باالعتماد على البيانات الشهرية لبورصة الجزائر الموقع‪:‬‬
‫‪http://www.sgbv.dz‬‬

‫‪ Excel‬و باالعتماد على مخرجات‬ ‫المصدر ‪ :‬من إعداد الباحثين باستخدام على برنام‬
‫برنام ‪R+‬‬

‫الجدول رقم ‪ : 01‬متوسط وتباين عوائد أسهم المحفظة خالل ‪2010‬‬

‫‪SONELGAZ/‬‬ ‫‪Alg‬‬ ‫‪EGH EL‬‬
‫‪Air Algérie‬‬ ‫‪SAIDAL‬‬
‫‪14‬‬ ‫‪Telecom‬‬ ‫‪AURASSI‬‬
‫المتوسط‪Mean‬‬ ‫‪-0,00197‬‬ ‫‪0,00025‬‬ ‫‪0,00016‬‬ ‫‪0,0224‬‬ ‫‪0,00067‬‬
‫‪Variance‬‬
‫‪1,1454‬‬ ‫‪5,2‬‬ ‫‪0,000315‬‬ ‫‪0,00068‬‬ ‫‪2,706‬‬
‫التباين‬

‫المصدر ‪ :‬من إعداد الباحثين باالعتماد على البيانات الشهرية لبورصة الجزائر الموقع‪:‬‬
‫‪http://www.sgbv.dz‬‬
‫‪129‬‬
 ‫التباين مشترك بين عوائد أسهم المحفظة‬-‫ مصفوفة التباين‬: 02 ‫الجدول رقم‬

Var-Cov Matrix
SONELGAZ/ Alg EGH EL
Air Algérie SAIDAL
14 Telecom AURASSI
SONELGAZ/1
1,1454 8,983 -2,145 1,036 1,146
4
Air Alegrie 8,982 5,2 -3,938 1,036 1,146
-
Alg Telecom -2,145 -3,94 0,000315 0,00016
1,0489
EGH EL
0,00068 1,097 0,00016 0,00068 -1,852
AURASSI
SAIDAL 1,1464 -2,51 -1,0489 -1,852 2,7062
:‫ من إعداد الباحثين باالعتماد على البيانات الشهرية لبورصة الجزائر الموقع‬: ‫المصدر‬
http://www.sgbv.dz

‫ مصفوفة االرتباط بين عوائد أسهم المحفظة‬: 03 ‫الجدول رقم‬

Correlation.Matrix
SONELGA Alg EGH EL
Air Algérie SAIDAL
Z/14 Telecom AURASSI
SONELGAZ/14 1 0,36805 -0,35691 0,11683 0,20591
Air Alegrie 0,36805 1 -0,00308 0,58071 -0,21122
Alg Telecom -0,35691 -0,00308 1 0,34610 -0,00359
EGH EL 0,11683 0,58071 0,34610 1 -0,04297

130
 ‫‪AURASSI‬‬
‫‪SAIDAL‬‬ ‫‪0,20591‬‬ ‫‪-0,21122‬‬ ‫‪-0,00359‬‬ ‫‪-0,04297‬‬ ‫‪1‬‬
‫المصدر ‪ :‬من إعداد الباحثين باالعتماد على البيانات الشهرية لبورصة الجزائر الموقع‪:‬‬
‫‪http://www.sgbv.dz‬‬
‫المراجع ‪:‬‬ ‫‪‬‬
‫المصادر باللغة العربية ‪:‬‬ ‫‪‬‬
‫‪ .1‬احمد حسين بتال العاني ‪ » ،‬استخدام البرمجة التربيعية في تحديد المحفظة‬
‫االستثمارية المثلى ‪ :‬مع إشارة خاصة لقطاع المصارف في سوق العراق لألوراق المالية « ‪،‬‬
‫مجلة جامعة االنبار للعلوم االقتصادية واإلدارية ‪،‬العدد ثاني ‪. 2008 ،‬‬
‫أحمدمحمودمحمدالسبعاوي‬ ‫‪.2‬‬
‫‪،‬زيدونمهندخليل‪"،‬اقتراحخوارزميةمهجنةعنطريقربطالخوارزميةالجينيةوخوارزميةمحاكاةالتلدينلحل‬
‫مسائاللتخصيصالتربيعية"‪،‬المجلةالعراقيةللعلوماإلحصائية (‪ ، 2014، )2‬ص‪.136-117‬‬
‫‪ . 3‬حسين عزيز صالا ‪ "،‬التصميم المثالي للشبكات الجيوماتيكية الداعمة لمنظومة‬
‫اإلنذار المبكر للكوارث البيئية والطبيعية"‪ ،‬ندوة حول إدارة الكوارث وسالمة المباني في الدول‬
‫العربية ‪،‬السعودية ‪ ،‬أفريل ‪. 2006‬‬
‫عدنانعبدالفتاحصوفي‪،‬رازيعبيدمدنيوياسينعبدالرحمنجفري‬ ‫‪.4‬‬
‫فيالمملكةالعربيةالسعودية « ‪،‬مجلة‬ ‫‪ »،‬إمكانيةاالستفادةمنالتنويعاالستثماريفيسوقاألسهم‬
‫االقتصاد واإلدارة ‪ ،‬المجلد ‪ ، 2‬جامعة الملك عبد العزيز ‪1989،‬م‪.‬‬
‫‪ .5‬ريم سليمان الخش ‪"،‬الحركة البروانية و الحسابات العشوائية"‪ ،‬منشورات جامعة دمشق‬
‫‪ ،‬كلية العلوم ‪،2011-2010 ،‬ص ص‪.120-108:‬‬
‫‪ . 6‬محمد عبد محمد مصطفى‪ ،‬تقييم شركات المالية ألرراض التعامل في البورصة‪ ،‬دار‬
‫الجامعة للنشر‪.1998 ،‬‬
‫المصادر باللغة األجنبية ‪:‬‬
‫‪‬‬
‫‪7.H. Markowitz, « Portfolio Selection », Journal of Finance,Volume 7, March-‬‬
‫‪1952‬‬
‫‪8. Damien Lamberton, Bernard Lapeyre, " Introduction au Calcul Stochastique‬‬
‫‪Appliqué à la finance ", Edition Ellipses, 1997, France.‬‬

‫‪131‬‬
 9. Jean-Luc Prigent, « Portfolio Optimization and Performance Analysis »,
Financial -Mathematics Series, Chapman & Hall/CRC is an imprint of Taylor &
Francis Group, U.S 2007.
10. Philip J. McDonnell , « Optimal Portfolio Modeling », John Wiley & Sons,
Inc.,Hoboken, New Jersey,2008.
11. M. Garkaz, The selection and optimization of stock portfolio using genetic
algorithm based on mean-semi variance model, International Conference
onvEconomics and Finance Reaserch, IPEDR, LACSIT Press, Singapore, 4, (2011),
379-381.
12. Slimane Sefiane,Mohamed Benbouziane; “Portfolio Selection Using Genetic
Algorithm”,Journal of Applied Finance & Banking, vol.2, no.4, 2012.
13. R. J. Kuo, and C. W. Hong, "Integration of Genetic Algorithm and Particle
Swarm Optimization for Investment Portfolio Optimization", Applied Mathematics
& Information Sciences An International Journal ; Sci. 7, No. 6, 2397-2408 (2013).
14. Xun Yu Zhou and G.Yin ,”Markowitz’s Mean-Variance Portfolio Selection
with Regime Switching : A Continuous-Time Model “ ,March 2006 ,PP:5-11.
15. Esben Hedegaard, “Robust Dynamic Asset Allocation With Imperfect
Predictors”,November, 2011, PP:4-6 .
16. Luca Scrucca, "GA: A Package for Genetic Algorithms in R", Journal of
Statistical Software ; April 2013, Volume 53, Issue 4.http://www.jstatsoft.org/.
17. James D.Hamilton, « Regime-Switching Models», Palgrave dictionary of
Economics, USA, May 2005.
18. Min Dai , Zuo Quan Xu, Xun Yu Zhou, “Continuous-Time Markowitz’s
Model with Transaction Costs”, October, 2009.//
www.math.nus.edu.sg/~matdm/mv-transaction6.pdf(16/10/2012).
:‫المواقع االلكترونية‬ 
http://www.sgbv.dz :‫البيانات الشهرية لبورصة الجزائر‬ -

132