بهینه سازی پرتفو با استفاده از آنتروپی اطلاعاتی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
مهمترین عامل در سرمایه گذاری انتخاب دارایی است که بیشترین بازده مورد انتظار را برای ما به ارمغان آورد. هر سرمایه گذاری با پیش بینی ریسک سرمایه گذاری و تخمین بازده مورد انتظار سبد خود را تشکیل می دهد. روش های مختلفی برای تخمین بازده مورد انتظار سرمایه گذاری در دهه های اخیر استفاده شده که مهم ترین آن مدل میانگین-واریانس مارکوویتز است. لیکن این مدل با ایراداتی مواجه بوده لذا محققان مالی طی دهه های بعد تلاش کردند تا با افزودن گشتاورهای بالاتر همچون چولگی و کشیدگی و آنتروپی یافته های قابل اتکاتری برای بهینه سازی پرتفوی به دست آورند. جامعه آماری این پژوهش بر مبنای داده های معاملاتی(قیمت تعدیل شده) 35 نماد برتر بازار سرمایه ایران طی بازه زمانی ده سال اخیر سال های1391 تا 1491 از نرم افزار bourseview ,tsetmc گردآوری و متغیرها شامل واریانس،میانگین،چولگی، کشیدگی و آنتروپی پس از پردازش داده ها بااستفاده از نرم افزار Matlab نسخه 6.7 پیاده سازی شدند و بهینه سازی پرتفوی بر اساس مدل های mv, mvs,mvsk و در نهایت مدل MVSKE انجام شد که یافته های بدست آمده از این پژوهش حکایت از آن دارد که آنتروپی اطلاعاتی متغیری قابل اتکا در بهینه سازی پرتفو است.Portfolio optimization including informational entropy
The most important factor in investing is choosing the asset that will bring us the highest expected return. Each investment forms its portfolio by predicting the investment risk and estimating the expected return. Various methods have been used to estimate the expected return on investment in recent decades, the most important of which is the Markowitz mean-variance model. But this model has been faced with flaws, so financial researchers have tried in the following decades to obtain more reliable findings for portfolio optimization by adding higher moments such as skewness and kurtosis and entropy. The statistical population of this research is based on trading data (adjusted price) of the top 35 symbols of the the Iranian capital market during the last ten years from 2013 to 2023 from the software bourseview, tsetmc, and the variables including variance, mean, skewness, kurtosis and entropy after processing. Data were implemented using Matlab version 6.7 software and portfolio optimization was done based on mv, mvs, mvsk models and finally MVSKE model. The findings of this research indicate that informational entropy is a reliable variable in portfolio optimization.
تبلیغات
