چکیده: در قیاس با رشد روز افزون استفاده از پورتفوی ها و نیز با وجود ادبیات غنی آن، همچنان موضوعات و سؤالات بی پاسخ فراوانی در این زمینه وجود دارد. همچنین، بازارهای بورس ایران، به عنوان بازارهایی رو به رشد، نیازمند پژوهش های بومی در پاسخ به این سؤالات و موضوعات می باشد. هدف از این پژوهش، ارائه ی ابزاری مفید و کارا برای کمک به متخصصین و محققین، در تئوریِ انتخاب پورتفوی است. پژوهش، ضمن بررسی جامع ادبیات موضوع و پیشرفت ها و گسترش های صورت پذیرفته در زمینه ی انتخاب و بهینه سازی پورتفوی، به مروری بر انواع مسائل و روش های بهینه سازی پرداخته، با مناسب تشخیص دادن روش های ابتکاری، به اعمال چهار الگوریتم ابتکاری جدید و پُر کاربرد ژنتیک، ترکیب ژنتیک و نلدر-مید، گروه ذرات(کوچ پرندگان) و رقابت استعماری بر مسئله ی بهینه سازی پورتفوی در بازار بورس اوراق بهادار تهران و از بین سهام 50 شرکت برتر می پردازد؛ تا سبدهایی بهینه، دارای ریسک کمینه و بازده بیشینه –به طور همزمان- را انتخاب نماید. همچنین، در این پژوهش، جهت دستیابی به نتایجی در زمینه ی چگونگی گزارشگری نرخ بازدهی، برای اثربخشی و کارایی بالاتر (بازدهی ماهانه در مقابل سالانه) به تشکیل دو پورتفوی مختلف با استفاده از هر الگوریتم و به کمک ورودی های سالانه و ماهانه پرداخته می شود. در ادامه، جهت سنجش و مقایسه ی عملکرد سه گروه الگوریتم ها، خبرگان و نیز تازه کارهای بازار بورس با یکدیگر، با ارائه ی تعریفی از دو گروه آخِر، به جمع آوری سبدهای منتخب آن ها توسط پرسشنامه ، پرداخته خواهد شد. کلّیه ی پورتفوی های پژوهش، یعنی هشت سبد منتخب الگوریتم ها، چهل سبد منتخب کارگزاران به عنوان نمونه ی خبرگان و چهل و سه سبد منتخب سرمایه گذاران فردیِ حاضر در تالار بورس به عنوان نمونه ی تازه کارها، در شرایط واقعی بازار بر دوره ای شش ماهه که از آن با عنوان دوره ی آزمون یاد می شود، اعمال می گردند؛ به عبارت دیگر، به طور فرضی امّا در بازار واقعی، طبق این پورتفوی ها، سهام خریداری و به مدت شش ماه با استراتژی منفعلانه، نگهداری می شوند. در نهایت، عملکرد هر سه گروه بر اساس مقیاس های تعدیل شده بر مبنای ریسک برای سنجش عملکرد پورتفوی، محاسبه شده، بر اساس فرضیات اصلی و فرعی پژوهش، مورد آزمون آماری تحلیل واریانس تک-عاملی و آزمون تعقیبی شِفِه قرار می گیرند تا مقایسه های آماری، بین متوسط عملکرد این سه گروه صورت پذیرد. نتایج آشکار می سازند که تفاوت معناداری بین متوسط عملکرد سبدهای منتخب خبرگان و متوسط عملکرد الگوریتم ها وجود ندارد، همچنین هر دو رویکرد، در دوره ی آزمون، به طور متوسط بهتر از پورتفوی بازار عمل نموده، به بازدهی بالاتری دست یافته اند. سرعت همگرایی الگوریتم ها در رسیدن به پاسخ بهینه نیز، مناسب و معقول می باشد. امّا متوسط عملکرد تازه کارها، با متوسط عملکرد این دو رویکرد تفاوت معناداری دارد، به طوری که در بررسی های آزمون تعقیبی شِفِه، مشخص شد که متوسط عملکرد خبرگان و الگوریتم ها، در سطح معناداری بهتر از عملکرد تازه-کارها بوده است. متغیرِ نوع اطلاعات ورودی (ماهانه یا سالانه) نیز، تأثیر معناداری بر عملکرد سبدها ایجاد نکرده بود. با توجه به این یافته ها، نتیجه گیری های پژوهش عبارتند از موارد ذیل: اوّلاً، از آنجا که عملکرد الگوریتم ها و سازگاری آن ها با حل مسئله ی پورتفوی تأیید شد، به خبرگان که هم اکنون جهت تشکیل سبد به صرف منابع هنگفت مالی، انسانی و ... می پردازند، استفاده از روش های پژوهش به شدّت توصیه می شود، و بدینوسیله، خبرگان قادر به دستیابی به اثربخشی یکسان و کارایی بالاتر خواهند بود. ثانیاً، با توجه به مزایای عمده ی تشکیل پورتفوی، آماتورها به تشکیل و نگهداری پورتفوی تشویق می شوند، امّا از آنجا که در پژوهش، نشان داده شد که مهارتی در این امر ندارند، استفاده از الگوریتم های پژوهش، دست کم در بدو امر، برای آن ها رویکردی هوشمندانه است. بخشی از آن ها که توان مالیِ خرید و نگهداری سبدی سهام را ندارند نیز، به خرید سهام شرکت های سرمایه گذاری رهنمون می شوند تا به طور غیرِمستقیم، صاحب پورتفوی شوند. ثالثاً، با توجه به عملکرد یکسان سبدهای منتخب اطلاعات ماهانه و سالانه، استفاده از اطلاعات سالانه، به دلیل حجم محاسباتی پایین تر و بنابراین کارایی بالاتر و با حفظ اثربخشی یکسان، در مقایسه با همتاهای ماهانه، به سرمایه گذاران و پژوهشگران توصیه می شود. در نهایت، با توجه به آن که الگوریتم ها صرفاً از اطلاعات تاریخی جهت تشکیل پورتفوی استفاده نمودند، و عملکرد قابل قبولی در مقایسه با پورتفوی بازار و خبرگان داشتند، شکل ضعیف فرضیه ی بازار کارا که بیانگر هضم و انعکاس اطلاعات تاریخی در قیمت سهام است، در بازار بورس تهران زیر سؤال رفته، تا حد زیادی مورد تردید قرار می گیرد. دسته بندی بر اساس ژورنال های ادبیات اقتصادی (JEL classification): G11 ; C63 ; C61