fa تدوین الگوی رفتار استراتژیک سرمایه‌گذاران با رویکرد میانگین-واریانس پرتفوی در بورس اوراق بهادار عمومى General پژوهشي Research <div style="text-align: justify;"><span style="font-size:18px;"><span style="line-height:2;"><span style="direction:rtl"><span style="unicode-bidi:embed"><span style="font-family:Calibri,sans-serif"><span lang="FA"><span b="" nazanin="">هدف اصلی این پژوهش، طراحی و تبیین الگوی رفتار استراتژیک سرمایه‌گذاران در بازار سرمایه با بهره‌گیری از چارچوب بهینه‌سازی میانگین</span></span><span lang="FA"><span arial="">&ndash;</span></span><span lang="FA"><span b="" nazanin="">واریانس پرتفوی و تحلیل آن در بستر نظریه بازی‌ها و تعادل نش است. این پژوهش از نظر هدف، کاربردی و از نظر رویکرد، کمی و تحلیلی</span></span><span lang="FA"><span arial="">&ndash;</span></span><span lang="FA"><span b="" nazanin="">توصیفی است. جامعه آماری شامل شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران بوده و داده‌های مربوط به بازده سهام شرکت‌های منتخب در دوره زمانی ۱۳۸۸ تا ۱۳۹۵ گردآوری و تحلیل شده است. در این پژوهش، ابتدا داده‌ها در محیط </span></span><span dir="LTR"><span new="" roman="" times="">Excel</span></span><span lang="FA"><span b="" nazanin=""> آماده‌سازی و سپس در نرم‌افزار متلب پردازش، و سپس برای حل مدل نیز از الگوریتم ژنتیک به‌عنوان روش فراابتکاری استفاده گردید. یافته‌های پژوهش نشان داد که الگوی رفتار سرمایه‌گذاران را نمی‌توان صرفاً با فرض‌های کلاسیک کارایی بازار تبیین کرد، بلکه تعاملات استراتژیک میان بازیگران بازار نیز نقش مهمی در تعیین وزن بهینه سبد دارایی دارد. همچنین نتایج بیانگر تفاوت معنادار میان رفتار سرمایه‌گذاران بزرگ و خرد و نیز تفاوت ساختاری رابطه بازده قیمتی و حجم مبادلات در شرکت‌های بزرگ و کوچک است. در مجموع، تلفیق مدل میانگین</span></span><span lang="FA"><span arial="">&ndash;</span></span><span lang="FA"><span b="" nazanin="">واریانس با نظریه بازی‌ها توانست رفتار سرمایه‌گذاران را در شرایط رقابت ناقص با دقت بیشتری تبیین کند و الگوریتم ژنتیک نیز راه‌حلی کارآمد و پایدار برای استخراج وزن‌های بهینه پرتفوی ارائه داد.</span></span></span></span></span></span></span><br> &nbsp;</div> <div style="text-align: justify;"><span style="font-size:16px;"><span style="line-height:2;"><span style="font-family:Calibri,sans-serif"><span new="" roman="" times="">The main objective of this study is to design and explain a model of investors&rsquo; strategic behavior in the capital market by employing the mean&ndash;variance portfolio optimization framework and analyzing it within the context of game theory and Nash equilibrium. In terms of purpose, this research is applied, and in terms of approach, it is quantitative with a descriptive&ndash;analytical nature. The statistical population consists of companies listed on the Tehran Stock Exchange, and data related to the stock returns of selected companies during the period from 2009 to 2016 were collected and analyzed. In this study, the data were first prepared in Excel and then processed in MATLAB. Subsequently, the genetic algorithm was employed as a metaheuristic method to solve the model</span><span dir="RTL" lang="FA"><span b="" nazanin="">.</span></span></span></span></span><span style="font-size:12pt"><span style="line-height:normal"><span style="font-family:Calibri,sans-serif"><span style="font-size:10.0pt"><span style="font-family:"Times New Roman",serif"></span></span></span></span></span></div> <div style="text-align: justify;"><span style="line-height:2;"><span style="font-size:16px;"><span style="font-family:Calibri,sans-serif"><span new="" roman="" times="">The findings indicate that investors&rsquo; behavioral patterns cannot be explained solely based on the classical assumptions of market efficiency; rather, strategic interactions among market participants also play a significant role in determining the optimal weights of the asset portfolio. Moreover, the results reveal a significant difference between the behavior of large and small investors, as well as a structural difference in the relationship between price returns and trading volume in large and small firms. Overall, the integration of the mean&ndash;variance model with game theory was able to explain investors&rsquo; behavior under conditions of imperfect competition more accurately, while the genetic algorithm also provided an efficient and stable solution for deriving the optimal portfolio weights</span><span dir="RTL" lang="FA"><span b="" nazanin="">.</span></span><span style="font-family:"Times New Roman",serif"></span></span></span></span><br> &nbsp;</div> رفتار استراتژیک سرمایه‌گذاران, نظریه بازی‌ها, تعادل نش, الگوریتم ژنتیک, بازار سرمایه Investors’ strategic behavior, Game theory, Nash equilibrium, Genetic algorithm, Capital market. 203 219 http://mieaoi.ir/browse.php?a_code=A-10-1950-1&slc_lang=fa&sid=1 hamid jalilian حمید جلیلیان hamid.jalilian@iau.ac.ir 100319475328460015266 100319475328460015266 No Department of Financial Management,Ker.C., Islamic Azad University, Kermanshah, Iran. گروه مدیریت مالی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران mehrdad ghanbari مهرداد قنبری mehrdadghanbary@iau.ac.ir 100319475328460015267 100319475328460015267 Yes Department of Accounting,Ker.C., Islamic Azad University, Kermanshah, Iran. گروه حسابداری، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران roholah jamshidpour روح اله جمشیدپور r.jamshidpour@iau.ac.ir 100319475328460015268 100319475328460015268 No Department of Accounting,Ker.C., Islamic Azad University, Kermanshah, Iran. گروه حسابداری، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران alireza moradi علیرضا مرادی almoradi@iau.ac.ir 100319475328460015269 100319475328460015269 No Department of Accounting,Ker.C., Islamic Azad University, Kermanshah, Iran. گروه اقتصاد، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران