PORTFOLIO OPTIMIZACIJA BAZIRANA NA PROSEČNOM PRINOSU I OČEKIVANOM GUBITKU UZ UPOTREBU GENETSKOG ALGORITMA

Kapitalna adekvatnost za izloženost tržišnom riziku banaka je nelinearna funkcija očekivanog gubitka (Expected Shortfall, ES). ES se izračunava na osnovu stvarnog portfolija banke, tj. portfolio predstavlja njen trenutni posed. Za sprovođenje optimizacije bazirane na ES koristimo genetski algoritam (Genetic Algorithm, GA). Konkretno, rad ispituje efikasnost GA tehnike – Evolucioni algoritam sa jakim Pareto optimumom 2 (The Strength Pareto Evolutionary Algorithm 2, SPEA2) za optimizaciju portfolija kada se očekivani (prosečni) prinos i procentualni ES postave kao ciljevi optimizacije. Pored toga, analiziramo razlike između optimalnih portfolija dobijenih kroz prosečni prinos-ES optimizaciju i optimalnih portfolija dobijenih kroz prosečni prinos-VaR optimizaciju (Value at Risk), korišćenjem pomenutog algoritma optimizacije. Rezultati dokumentuju da metoda SPEA2 pruža dobro raspoređene portfolije duž efikasne granice pokrivajući različite nivoe rizika. Optimalni portfoliji dobijeni kroz prosečan prinos-ES optimizaciju dokumentuju superiornost duž cele efikasne granice u ravni prosečan prinos-ES u odnosu na one dobijene prosečan prinos-VaR optimizacijom. Istovremeno, optimalni portfoliji dobijeni prosečan prinos-ES optimizacijom prikazani u ravni prosečan prinos-VaR konvergiraju ka portfolijima dobijenim na bazi prosečan prinos-VaR optimizacije i gotovo se poklapaju sa njima za visoke nivoe očekivanog prinosa.