بهینه سازی سبد سهام صنایع مختلف در بورس اوراق بهادار تهران با استفاده از گارچ متعامد (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
توسعه بازارهای مالی و بازار سهام نقش اساسی در توسعه اقتصادی دارد. با توجه به اینکه بازارهای مالی همواره با ریسک و نااطمینانی همراه می باشند و شوک و تلاطم در یک بازار بر بازارهای دیگر اثر می گذارد لذا از اهداف اصلی تحقیق حاضر شناسایی نوع توزیع سری های مالی (بازدهی سهام صنایع مختلف) و برآورد نااطمینانی و ریسک (تلاطم) آنها، تعیین وزن سهام در سبد سرمایه گذاری و همچنین شناسایی دقیق چگونگی تغییرات تلاطم و شدت همبستگی و تعاملات میان سهام صنایع مختلف طی زمان جهت حداکثرسازی منافع سرمایه گذاران و ارائه راهکارهای لازم به برنامه ریزان و سیاست گذاران برای مدیریت و توسعه بازار سهام می باشد. به منظور بهینه سازی سبد سرمایه گذاری، از آمار دادههای هفتگی شاخص قیمت 6 صنعت منتخب (انبوهسازی، بانکها و مؤسسات اعتباری، شیمیایی، خودرو، دارویی و فلزات اساسی) در بازه زمانی 07/01/1389 تا 29/10/1399 استفاده شده است. بدین منظور با استفاده از مدل گارچ متعامد و داده های هفتگی شاخص قیمت سهام صنایع مختلف، عناصر ماتریس واریانس- کواریانس شرطی بازدهی سهام (تلاطم) برآورد گردید، سپس اوزان بهینه سبد سهام با استفاده از اطلاعات بدست آمده و توزیع جنرال هیپربولیک t چوله (بعنوان نزدیکترین توزیع به توزیع بازدهی سهام مورد مطالعه بر اساس نتایج برآورد توزیع داده ها)، در چارچوب مدل های میانگین-واریانس کلاسیک ایستا و پویا و همچنین مدل میانگین-ارزش در معرض خطر شرطی ایستا، محاسبه و با هم مقایسه شد. بر اساس مدل میانگین-واریانس کلاسیک پویا (بعنوان مناسب ترین مدل)، بیشترین وزن در سبد سهام در دوره مورد مطالعه بترتیب مربوط به صنعت دارویی (0/6336) و صنعت شیمیایی (0/3539) بوده است.Portfolio Optimization of Listed Industries in Tehran Stock Exchange using Orthogonal GARCH
The development of financial markets and the stock market play an essential role in economic development. Considering that financial markets are always associated with risk and uncertainty, and shocks and turbulence in one market affect other markets, therefore, one of the main objectives of this research is to identify the type of distribution of financial series (stock returns of different industries) and estimate their uncertainty and risk (turbulence), determining the weight of stocks in the investment portfolio, as well as accurately identifying how the volatility changes and the intensity of correlation and interactions between the stocks of different industries over time in order to maximize the interests of investors and provide the necessary solutions to planners and policy makers Investors are for managing and developing the stock market.In order to optimize, statistics related to the weekly price index data of selected industries (mass housing, banks and credit institutions, chemical, automotive, pharmaceutical and basic metals) have been used. For this purpose, using orthogonal GARCH model and weekly data of stock price index of different industries in the period March 27, 2010 and January 18, 2021, the elements of the variance-conditional covariance matrix were estimated, Then, the stock portfolio was optimized using the obtained information and the distribution of general hyperbolic (GH) skewed t, in the framework of the static and dynamic classical Mean-Variance model as well as the static Mean-CVAR model. The results of fitting (estimation) of the data distribution show that the return distribution of the price index of the studied industries follows the distribution of the general hyperbolic skewed t; Based on the dynamic classical mean-variance model, the highest weight in the stock portfolio in the study period was related to the pharmaceutical (0/6336) and chemical industries (0/3539), respectively.
تبلیغات
