Algorithme génétique multi-objectif (Application au portefeuille financier)

Abstract

Notre objectif à travers cette étude est d’apprécier l’apport de l’optimisation multiobjectif à la résolution des problèmes de gestion de portefeuilles financiers, qui consistent à trouver un portefeuille d’actifs efficient. Afin de résoudre cette problématique, on a utilisé le modèle de Markowitz Mean variance qui consiste à estimer le rendement par le rendement espéré durant la période d’investissement, tandis que le risque est estimé par la variance des rendements. . Par la suite, on a enrichi ce travail en investiguant les capacités de l’optimisation par les algorithmes génétiques plus précisément le non dominated sorting genetic algorithm NSGA II, tout en présentant l’état de l’art de cet algorithme et son fonctionnement présenté dans la littérature qui constitue le coeur de notre travail. Afin de trouver les résultats demandés, on a programmé et implémenté le non dominated sorting genetic algorithm NSGA II sous langage R tout en utilisant les fonctions de base du langage R. et d’autres fonctions que nous avons-nous même élaborées.