ارائه الگوی بهینه سبد سهام از طریق محدودیت تسلط تصادفی و کاهش ریسک گریزی مطلق (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
برنامه نویسی تصادفی هنگامی که یک توصیف احتمالی دقیق یعنی مقادیر دقیق پارامترهای سیستم و توزیع احتمال خاص برای متغیرهای تصادفی در دسترس است، خود را به عنوان یک ابزار مدل سازی قدرتمند نشان داده است. با این حال، چنین اطلاعاتی در عمل به ندرت در دسترس است. در چنین شرایطی دو روش اصلی برای مقابله با ابهامات وجود دارد. یکی از طریق تقریبی نمونه متوسط ( SAA ) همچنین به عنوان روش مونت کارلو شناخته شده است، جایی که SAA از مقدار مورد انتظار عملکرد زیربنایی با استفاده از داده های تجربی ساخته می شود. پژوهش حاضر با هدف ارائه الگوی بهینه سبد سهام از طریق محدودیت تسلط تصادفی و کاهش ریسک گریزی مطلق انجام شد. نمونه آماری بورس اوراق بهادار و نوع داده های گردآوری شده از آن سری زمانی تغییرات و تغییرات تجمعی شاخص کل بورس اوراق بهادار تهران در سال 1390 تا 1400 است. سبد سهام براساس اطلاعات 50 شرکت مورد بررسی قرار گرفته است. در ابتدا این داده ها مورد بررسی قرار می گیرند، سپس الگوریتم های مورد نظر طراحی شده و مدل براساس شرایط و ازمون های لازم مورد تجزیه و تحلیل قرار می گیرد. کارایی براساس ازمون های معیار شارپ، معیار ترینر، معیار سورتینو و معیار امگا مورد ارزیابی قرار می گیرد. در ادامه سبد سهام مورد بررسی براساس فروض اولیه تعیین شده و براساس بازدهی شرکت ها مورد الگوسازی و سنجش قرار می گیرند.Providing the optimal stock portfolio pattern through limiting random dominance and reducing absolute risk aversion
Stochastic programming has proven to be a powerful modeling tool when an accurate probabilistic description, ie the exact values of system parameters and the specific probability distributions for random variables, is available. However, such information is rarely available in practice. In such a situation, there are two main ways to deal with ambiguities. One through-sample average (SAA) is also known as the Monte Carlo method, where the SAA is constructed from the expected value of the underlying performance using experimental data. The aim of this study was to provide an optimal stock portfolio model by limiting random dominance and reducing absolute risk aversion. The statistical sample of the stock exchange and the type of data collected from that time series are the changes and cumulative changes of the total index of the Tehran Stock Exchange in 1390 to 1400. The stock portfolio is based on information from 50 companies. First, these data are examined, then the desired algorithms are designed and the model is analyzed based on the necessary conditions and tests.
Performance is evaluated based on Sharp, Trainer, Sortino, and Omega tests. In the following, the stock portfolio is determined based on the initial assumptions and is modeled and measured based on the companies#39; returns.
تبلیغات
