مومن احمدی

هدف: هدف این پژوهش، به کار بردن رویکرد استوار نسبی برای حداقل کردن حداکثر پشیمانی است. برای مواجهه با عدم قطعیت موجود در داده های ورودی، مدل بهینه سازی پرتفوی مارکویتز با استفاده از بازآفرینی مدل مارکویتز، به صورت مدل مخروطی مرتبه دوم در نظر گرفته شده است. پشیمانی را می توان اختلاف بین جواب به دست آمده از جواب بهینه، تحت یک دسته داده ورودیِ مشخص تعریف کرد. این رویکرد با استفاده از سناریوها، عدم قطعیت موجود در داده های ورودی مدل را در نظر می گیرد. همچنین، برای مقایسه رویکرد استوار نسبی و مدل مارکویتز، از مدل بهینه سازی استوار پرتفوی برتسیماس و سیم استفاده شده است که عدم قطعیت را به صورت فاصله در نظر می گیرد. روش: با استفاده از بازدهی های سهام موجود در شاخص 50 شرکت فعال تر بورس اوراق بهادار تهران، از ابتدای سال 1395 تا انتهای سال 1397، وزن های سهام موجود در پرتفوی ها ی بهینه هر سه مدل برآورد شد و با استفاده از داده های سال 1398، روی آنها آزمون برون نمونه ای انجام گرفت. یافته ها: بر اساس یافته های پژوهش، رویکرد استوار نسبی مدل مارکویتز، در آزمون خارج از نمونه روی بیشتر نقاط متناظر مرز کارا در قیاس با مدل مارکویتز عملکرد بهتری را نشان می دهد. همچنین رویکرد استوار برتسیماس و سیم بر اساس وزن های بهترین شارپ درون نمونه ای، عملکرد بهتری از مدل مارکویتز داشته است. نتایج آزمون های آماری، تفاوتی در عملکرد خارج از نمونه ای بین دو رویکرد استوار نسبی و برتسیماس و سیم نشان نداده است. نتیجه گیری: نتایج حاضر نشان می دهد که رویکرد استوار نسبی در مقایسه با رویکرد میانگین واریانس، کمابیش می تواند برای بیشتر اشخاص با ترجیحات ریسک و بازده متفاوت، عملکرد بهتری داشته باشد. همچنین، رویکرد ارائه شده می تواند معیار ریسک جدیدی برای استفاده کنندگان ارائه دهد و در انتخاب پرتفوی بهینه مورد توجه قرار گیرد. به علاوه، افراد در انتخاب بین دو رویکرد استوار نسبی و استوار مطلق بی تفاوت اند.