Abstract:
In questo lavoro viene inizialmente presentata la teoria della Particle Swarm Optimization (PSO), una teoria meta-euristica bio-ispirata che prende spunto dall’analisi del comportamento sociale che alcuni animali assumono quando vivono in gruppo, nello specifico quando devono ottimizzare alcune azioni quali, ad esempio, la ricerca di cibo. Ciascun membro del gruppo, ovvero ciascuna particella, esplora lo spazio con lo scopo di individuare la migliore soluzione possibile; nel farlo tiene conto delle migliori soluzioni trovate dalle altre particelle che compongono lo sciame.
Nella tesi vengono applicati due differenti algoritmi di tipo PSO ad un problema di selezione di un portafoglio complesso. In questo portafoglio la funzione obiettivo da minimizzare è data da una misura di rischio coerente ed alcuni dei vincoli sono a variabili miste-intere. In particolare, uno dei due algoritmi presenta una metodologia alternativa in fase di inizializzazione delle particelle, che dovrebbe consentire una loro una migliore esplorazione dello spazio di ricerca.
Il medesimo approccio viene anche applicato al modello classico di selezione di portafoglio alla Markowitz, che viene utilizzato come benchmark.
I risultati ottenuti sono presentati e confrontati, ed è discussa la validità dell’algoritmo PSO come tecnica alternativa di ottimizzazione.
