چکیده: در مسئله ی بهینه سازی پرتفوی، مدل مارکویتز همچنان رویکرد غالب است اما زمانی که تعداد دارایی های قابل سرمایه گذاری و محدودیت های موجود در بازار از حالت تئوری خارج شده و به دنیای واقعی تعمیم می یابد مسئله ی بهینه سازی پرتفوی به راحتی با استفاده از شیوه های ریاضی و مدل سنتی مارکویتز قابل حل نمی-باشد. به همین دلیل در این تحقیق ما با استفاده از هوش مصنوعی و الگوریتم ابتکاری سیاهچاله به بهینه-سازی پرتفوی پرداخته ایم و نتایج حاصل را با نتایج حاصل از مدل مارکویتز مقایسه کرده ایم تا ببینیم که آیا روش بهینه سازی پرتفوی الگوریتم سیاهچاله بهتر از روش مارکویتز عمل می کند یا خیر. بدین منظور با توجه به اینکه این پژوهش صرفا مقایسه دو روش می باشد، تعداد 44 شرکت که به صورت تصادفی از شاخص S&P500 انتخاب شده اند را طی یک دوره ی 3 ساله از ابتدای سال 2013 تا انتهای سال 2015 در نظر گرفته و مرزهای کارای حاصل از دو روش را که با 100 پرتفوی به دست آمده اند، با استفاده از معیار شارپ با هم مقایسه کرده ایم و به این نتیجه می رسیم که الگوریتم سیاهچاله در بهینه سازی سبد سهام در مقایسه با روش مارکویتز عمل کرد ضعیف تری دارد.