Portfolio optimization : two metaheuristics applied to a realistic traded portfolio

In this work we face a portfolio optimization problem, using a new framework. Given an initial complex portfolio, consisting of stocks, indices, European and American options, we look for an optimal strategy which, added to the initial portfolio, is able to minimze the chosen risk measure, respecting some constraints. The optimization problem is solved using two metaheuristics: the Genetic Algorithm and the Particle Swarm Optimization. The aim of this project is to generalize what already done for a toy-case, in order to make it applicable in practice.

In questo lavoro viene affrontato un problema di ottimizzazione di portafoglio attraverso un nuovo framework. Dato un portafoglio iniziale complesso, fatto di azioni, indici, opzioni Europee e Americane, si ricerca una strategia ottima che, sommata al portafoglio iniziale, riesca a minimizzare la misura di rischio scelta, rispettando alcuni vincoli. Il problema di ottimizzazione viene risolto utilizzando due metaeuristiche: l'Algoritmo Genetico e il Particle Swarm Optimization. L'obiettivo del progetto è di generalizzare ad un caso realistico quanto già fatto per un toy-case.