ارائه یک چارچوب بنیادی برای مدل بهینه سازی بلک لیترمن و مقایسه عملکرد آن با مدل های موجود (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
یکی از مهم ترین نقاط ضعف مدل های بهینه سازی سنتی، عدم توجه به نظر سرمایه گذاران و تکیه بر اطلاعات گذشته است. مدل بلک لیترمن گرچه با ترکیب ماتریس دیدگاه های سرمایه گذار و اطلاعات گذشته این ضعف را برطرف کرد، اما هیچ روش مشخص و روشنی برای چگونگی تشکیل این ماتریس مشخص نکرده است. در این پژوهش، نخست با استفاده از روش تحلیل بنیادی یک چارچوب مشخص برای تشکیل ماتریس بازده دیدگاه های سرمایه گذار معرفی و سپس عملکرد سبد بهینه مدل بلک لیترمن بنیادی با مدل های مارکوویتز، نیم-واریانس و ارزش در معرض خطر شرطی مقایسه می شود. بازه زمانی پژوهش بین سال های 1395 تا 1400 و برای به دست آوردن سبد بهینه، از نرم افزار متلب استفاده شده است. نتایج نشان می دهد که با استفاده از معیارهای ارزیابی مختلف، سبد بهینه مدل بلک لیترمن بنیادی نسبت به سایر مدل های بهینه سازی موجود عملکرد بهتری دارد؛ همچین، بازده ایجاد شده توسط مدل بلک لیترمن در سطح ریسک بازار، به طوری معنی داری از بازده بازار در مدت مشابه بیشتر بوده است.Using the Fundamental Analysis Method to Create a Matrix of Investor Views in the Black Literman Optimization Model and Comparing its Performance with Existing Models
Modern investment management began with Markowitz's theory on how to select an optimal portfolio based on the mean-variance model, and then continued with various optimization methods such as conditional value at risk model, half-variance model, and the mean-absolute deviation model. One of the most important weaknesses of these models is not paying attention to investors' views and relying on past information. The Black Literman model has largely eliminated this weakness by combining a matrix of investor views and past returns. In this research, using fundamental analysis, the matrix of investor views is formed and then the performance of the optimal portfolio of the Black Literman model is compared with existing models. The research period is between 2016 to 2021 and MATLAB software has been used to obtain the optimal portfolio. The results show that using different evaluation criteria, the fundamental Black Literman model performs better than other existing optimization models.