دانشگاه شهید بهشتی اقتصاد و الگو سازی 2476-5775 17 1 2026 06 21 Comparative Analysis of Stock Portfolios Between Classical Methods and Metaheuristic Algorithms; A Case Study of Energy Sector Companies in the Iranian Capital Market. تحلیل مقایسه‌ای سبد سهام بین روش کلاسیکی با الگوریتم‌های فراابتکاری: مطالعۀ موردی شرکت‌های بخش انرژی بازار سرمایۀ ایران 131 168 107299 10.48308/jem.2026.242915.2034 FA عباس جعفری تختی نژاد دانشجوی دکتری اقتصاد مالی، دانشگاه شهید اشرفی اصفهانی، اصفهان. ایران محمد واعظ گروه اقتصاد دانشگاه اصفهان(نویسندۀ مسئول) ، اصفهان. ایران 0000-0001-6351-2060 رحمان خوش اخلاق گروه اقتصاد دانشگاه اصفهان، اصفهان. ایران پیمان معلم گروه مهندسی برق دانشگاه اصفهان، اصفهان. ایران Journal Article 2025 12 17 The purpose of this study is to compare the performance of classical and metaheuristic models in optimizing the stock portfolios of energy-sector companies listed on the Tehran Stock Exchange. Within the classical framework, the mean–variance Markowitz model and its extended versions were employed as the analytical baseline, and the results were compared with the three metaheuristic algorithms: Multi-Objective Particle Swarm Optimization (MOPSO), Non-dominated Sorting Genetic Algorithm II (NSGA-II), and the Strength Pareto Evolutionary Algorithm 2 (SPEA2). Data related to 19 energy-sector companies during the period 2019–2024 (1398–1403) were collected and analyzed using the Python environment to construct the efficient frontier, derive optimal asset weights, and compute performance indicators including the Modified Sharpe Ratio and the Omega Ratio.<br>The findings revealed that the MOPSO algorithm outperformed the Markowitz model by generating a more convergent efficient frontier and achieving higher risk-adjusted returns; specifically, the Modified Sharpe Ratio reached 0.84, and the Omega Ratio exceeded one significantly, indicating an asymmetric return distribution and a higher probability of achieving positive returns. In contrast, the NSGA-II algorithm exhibited weaker performance and failed to converge effectively to the efficient frontier, while the SPEA2 algorithm demonstrated intermediate and relatively stable results. بازار سرمایۀ ایران، به‌ویژه در بخش انرژی، به دلیل نوسانات شدید، نااطمینانی‌های ساختاری و نامتقارن‌بودن توزیع بازده‌ها، نیازمند رویکردهای پیشرفته برای مدیریت ریسک و تشکیل سبد بهینه است. محدودیت‌های مدل‌های کلاسیک در چنین شرایطی، ضرورت بهره‌گیری از الگوریتم‌های فراابتکاری را که قادر به واکاوی روابط پیچیده و چندمعیاره هستند، برجسته می‌سازد.<br>هدف این پژوهش، مقایسۀ عملکرد الگوهای کلاسیک و فراابتکاری در بهینه‌سازی سبد سهام شرکت‌های فعال در بخش انرژی بازار سرمایۀ ایران است. در چارچوب الگو کلاسیک، رویکرد میانگین–واریانس مارکویتز و نسخه‌های توسعه‌یافتۀ آن مبنای تحلیل قرار گرفت و نتایج حاصل با سه الگوریتم فراابتکاری شامل بهینه‌سازی ازدحام ذرات چندهدفه (MOPSO)، الگوریتم ژنتیک مرتب‌سازی نامغلوب نسخه دوم (NSGA-II) و الگوریتم تکاملی پارتو مبتنی بر قدرت (SPEA2) مورد مقایسه قرار گرفت. داده‌های مربوط به ۱۹ شرکت فعال در بخش انرژی بورس اوراق بهادار تهران طی سال‌های ۱۳۹۸ تا ۱۴۰۳ گردآوری شد و با بهره‌گیری از محیط پایتون، مرز کارا، اوزان بهینۀ دارایی‌ها و شاخص‌های ارزیابی از جمله شارپ تعدیل‌شده و امگا محاسبه شد.