آذر غیاثی

بهینه سازی سبد سرمایه گذاری از موضوعات حیاتی حوزه مدیریت سرمایه گذاری است. نوسانات مختلف بازارهای مالی و عدم قطعیت پارامترها، بکارگیری مدل های کلاسیک را با چالش جدی مواجه می کند. از این رو بهینه سازی مدل های مالی در شرایط عدم اطمینان جهت انطباق با دنیای واقعی مورد توجه محققان قرار گرفته است. در پژوهش حاضر یک مدل ترکیبی بهینه سازی با بکارگیری همزمان روش تحلیل پوششی داده ها و بهینه سازی استوار به منظور ارزیابی ریسک با ورودی ها وخروجی های غیرقطعی توسعه یافته است. جامعه آماری پژوهش از درگاه کوین مارکت کپ استخراج شده است که در آن از داده های روزآمد قیمت تعدیل شده 37 رمز ارز برتر انتخابی برای برآورد ریسک و ایجاد پرتفوی بهینه مورد استفاده قرار گرفته است. یک رویکرد دو مرحله ای برای انتخاب و بهینه سازی سبد سهام، افزایش استواری فرایند سرمایه گذاری و ارزیابی جامع سهام مبتنی بر معیارهای مالی پیشنهاد شده است. در مرحله اول، ارزیابی کارایی سهام منتخب با استفاده از روش تحلیل پوششی داده ای - برنامه ریزی استوار[1] (RDEA) انجام می شود. سپس در فاز دوم، با استفاده از مدل های میانگین نیم واریانس و میانگین انحراف مطلق استوار، میزان سرمایه گذاری در سهام واجد شرایط تعیین می شود. عملکرد رویکرد پیشنهادی در مطالعه موردی داده های رمز ارز با عدم قطعیت فزاینده مورد ارزیابی قرار می گیرد. نتایج مقایسه ای مدل های همتای استوار با دو سنجه ریسک نشان می دهد که مدل میانگین نیم واریانس عملکرد بهتری در انتخاب و بهینه سازی سبد سرمایه گذاری دارد   [1]. Robust, Data Envelopment Analysis