نیم واریانس

برای رسم مرز کارا و تشکیل پرتفوی بهینه معمولاً واریانس به عنوان عامل خطرپذیری عمومی در نظر گرفته می شود. اما از آن جا که نیم واریانس تخمین بهتری از خطرپذیری واقعی پرتفوی ارائه می دهد، در این تحقیق نیم واریانس به عنوان عامل اصلی خطرپذیری در نظر گرفته می شود. مسأله بهینه سازی پورتفوی ترکیبی از مسأله برنامه ریزی عدد صحیح و برنامه ریزی درجه 2 است که برای حل این گونه مسائل الگوریتم های مشخص و کارایی وجود ندارد. هدف این تحقیق حل مسأله بهینه سازی مقید پرتفوی سهام با استفاده از الگوریتم جستجوی هارمونی (HS) است. این الگوریتم با الهام از فرایند بهبود و تکامل هارمونی به وسیله مجموعه نوازندگان موسیقی جهت حل مسائل بهینه سازی به وجود آمده است. به منظور حل مسأله بهینه سازی پرتفوی سهام با استفاده از اطلاعات قیمت 20 سهم پذیرفته شده در بورس اوراق بهادار تهران از مهر 1385 تا اسفند 1387، مرز کارای سرمایه گذاری برای دو الگو با عامل خطرپذیری واریانس و نیم واریانس رسم می گردد. نتایج این تحقیق نشان می دهد که روش جستجوی هارمونی در بهینه سازی مقید پرتفوی سهام، موفق عمل می کند و در یافتن جواب های بهینه در تمامی سطوح خطرپذیری و بازده از دقت قابل قبولی برخوردار است.

انتخاب سبد سهام مطلوب و چگونگی سرمایه گذاری در آن یکی از مباحث مهم و کلیدی می باشد که در بازار سرمایه مطرح است و باید مورد توجه سرمایه گذارن قرار گیرد. در این رابطه، بررسی و مطالعه سرمایه گذاران در جهت انتخاب بهترین سبد سرمایه گذاری با توجه به میزان ریسک وبازده آن انجام می شود.از اینرو اندازه گیری ریسک به عنوان یک مسئله مهم در سرمایه گذاری برای سبد سهام مطرح است. در این تحقیق که در بستر بازار سرمایه ایران انجام شده به ارائه یک مدل ریاضی چند هدفه به صورت تک زمانه برای اندازه گیری ریسک سبد سهام پرداخته شده است که با ترکیب سنجه بازده با دو سنجه ریسک یعنی نیم واریانس و ارزش در معرض ریسک شرطی این امکان را فراهم می آورد تا سرمایه گذاران بتوانند با در نظر گرفتن محدودیت های مرتبط با هزینه های معاملاتی، ریسک سبد سهام مورد نظرشان را با دقت اندازه گیری کنند تا در سبد سهامی با بیشترین بازده و کمترین ریسک، سرمایه گذاری کنند. نتایج نشان می دهد که استفاده از دو سنجه ریسک به طور همزمان، دقت تصمیم گیرندگان و سرمایه گذاران بازار سرمایه در انتخاب سبد مطلوب برای سرمایه گذاری را افزایش می دهد و یک الگو و راهنمای مناسب تری برای تعیین سبد بهینه سهام است.

هدف از این پژوهش ارائه یک مدل تعمیم یافته از تئوری قیمت گذاری آربیتراژ، تحت عنوان تئوری قیمت گذاری آربیتراژ نامطلوب، با استفاده از مفاهیم انحراف معیار نامطلوب و بتای نامطلوب است. این پژوهش با دربرگرفتن بازدهی 97 سهم مورد معامله در بورس اوراق بهادار تهران و متغیرهای کلان اقتصادی، به ارزیابی رابطه بین بازدهی تعدیل شده و بتای نامطلوب در دوره 1384 تا 1393 به روش پانل دیتا پرداخته است. یافته های پژوهش بیانگر وجود رابطه معنی داری متغیرهای نرخ ارز، شاخص بورس، نرخ تورم مصرف کننده و نرخ سپرده گذاری با بازدهی سهام است و ضرایب هر کدام به ترتیب عبارت اند از 0.45-، 0.20، 1.12 و 2.02- ؛ به طوری که نرخ ارز و نرخ سپرده گذاری رابطه منفی و شاخص بورس و نرخ تورم مصرف کننده رابطه مثبتی با بازدهی سهام داشته و مجموعاً 27.17 درصد از تغییرات بازدهی سهام را توضیح می دهند. یافته های تحقیق موید عدم کارایی کافی تئوری قیمت گذاری آربیتراژ در بورس اوراق بهادار تهران می باشد.

یکی از اصلی ترین دغدغه های سرمایه گذاران در بازارهای مالی، انتخاب سبد سهام به منظور حداقل سازی ریسک و در عین حال حداکثرسازی بازده می باشد. تجربه نشان می دهد سرمایه گذاری روی یک دارایی خاص می تواند زیان های کلانی به سرمایه گذار وارد نماید. افراد و سازمان ها ترجیح می دهند به جای انجام سرمایه گذاری واحد، در یک سبد سهام سرمایه گذاری لازم را انجام دهند. در این صورت، این مزیت برای سرمایه گذاران فراهم می شود که با تنوع دارایی های مالی، ریسک کلی سرمایه گذاری کاهش یابد، بدون آنکه تأثیر منفی بر بازده مورد انتظار داشته باشد. از اینرو مسأله انتخاب بهینه درسبد سرمایه گذاری، یکی از مهم ترین مسائل علم مالی و سرمایه گذاری می باشد وکاربرد فراوانی در برنامه ریزی ها و تصمیم گیری های مالی دارد. برای این منظور مدل های متعددی با هدف کمینه کردن ریسک و بیشینه کردن بازده و روش های متعددی برای بهینه کردن این مدل ها با هدف کمینه کردن ریسک و بیشینه کردن بازده وجود دارد. در پژوهش حاضر، به وسیله مدل میانگین نیم واریانس به بهینه سازی سبد سهام میپردازیم و ﻣﺴﺌﻠﻪ ﺑﻬیﻨﻪ ﺳﺎزی ﺳﺒﺪ اﺳﺘﻔﺎده ﺳﻬﺎم ﺑﺎ از اﻟﮕﻮریﺘﻢ ﻫﺎی PSO و GA و FA ﺣﻞ ﺷﺪه اﺳﺖ و در اداﻣﻪ ﻧﺘﺎیﺞ ﺑﺎزده و ریﺴک ﺣﺎﺻﻞ از ﻫﺮ یک ﻣﻮرد ﻣﻘﺎیﺴﻪ ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ. نتایج نشان داد که الگوریتم GA بهترین سبد سرمایه گذاری را به ما ارائه می دهد که کمترین ریسک و بیشترین بازده را به ما می دهد در حالیکه سبد سرمایه گذاری را به طور کامل متنوع کرده است.

هدف: بهینه سازی سبد سهام از مهم ترین مسائل سرمایه گذاری است. نخستین بار، هری مارکوویتز، ریسک را در این مسئله به کار برد. پس از آن، این موضوع از جنبه های مختلف از جمله معیارهای گوناگون ریسک، روش های بهینه سازی و در نظر گرفتن هزینه معاملات مورد بررسی گرفته است. در این پژوهش سعی بر این است که روش فراابتکاری دسته های میگو در بهینه سازی سبد سهام استفاده گردد و مزایای احتمالی آن بر شمرده شود. روش: در این پژوهش تلاش شده است به کمک الگوریتم جدید دسته های میگو، مسئله بهینه سازی سبد سهام حل شده و مرز کارا محاسبه شود. همچنین ریسک با سه معیار واریانس، نیم واریانس و ریزش مورد انتظار بررسی شده است. داده های این پژوهش، بازده های تعدیل شده سهام 50 شرکت فعال تر بورس از تاریخ 01/07/1391 تا 31/06/1396 است. یافته ها: در ابتدا مرزهای کارای پرتفوهای بهینه بر اساس معیارهای ریسک واریانس، نیم-واریانس و ریزش مورد انتظار رسم شده است. شباهت تقریبی سه مرز کارا، نشان از ثبات الگوریتم در یافتن آن دارد. سپس نسبت های شارپ به دست آمده از روش دسته های میگو با روش های رقابت استعماری و تجمعی ذرات مقایسه شده و مشاهده می شود که نسبت به آن ها ارجحیت دارد. نتیجه گیری: الگوریتم دسته های میگو در یافتن مرز کارا و پرتفوهای بهینه در مقایسه با سایر الگوریتم های مرسوم عملکرد بهتری داشته و می توان آن را جایگزین این روش ها کرد و به نتایجی مطلوب تر دست یافت.  

سرمایه گذاری در بازار سهام نقشی اساسی در رشد و توسعه اقتصادی دارد، زیرا امکان ایجاد فرصت های سرمایه گذاری، تأمین منابع مالی برای شرکت ها و دولت ها و تحرک فعالیت اقتصادی را به ارمغان می آورد. تشکیل سبد سرمایه گذاری مناسب به منظور فعالیت در بازار سهام از اهمیت قابل توجهی برخوردار است و جهت دستیابی به عملکرد مطلوب و بهره برداری بهتر، نیازمند مهارت در انتخاب و ترکیب مناسب از سهام گوناگون می باشد. توجه به نوسانات بازار سهام در تشکیل سبد سرمایه گذاری امری حیاتی بوده زیرا که این نوسانات بیانگر تغییرات و پویایی این بازار هستند و تصمیم گیری مبتنی بر این نوسانات، به سرمایه گذاران کمک می کند تا مخاطرات مالی را بهبود بخشند و فرصت های سرمایه گذاری را شناسایی کنند. همچنین توجه به نوسانات مثبت در تشکیل سبد سرمایه گذاری بسیار حائز اهمیت می باشد زیرا که این نوسانات نشان دهنده قابلیت رشد و سودآوری بالقوه سهام هستند. به همین منظور، هدف این پژوهش تشکیل سبد سرمایه گذاری بهینه به منظور بهره برداری مزیت ها و فرصت های سرمایه گذاری ناشی از نوسانات مثبت و در عین حال توجه به نوسانات منفی و کاهش آن می باشد. در همین راستا در این پژوهش رویکردی نوین به نام مدل نیم واریانس دو مرحله ای معرفی گردید و با استفاده از داده های ماهانه سهام از ابتدای سال ۱۳۹۷ تا ۱۴۰۱، به تشکیل سبد سرمایه گذاری پرداخته شد و جهت ارزیابی کارایی این مدل مقایسه آن با مدل نیم واریانس و اوزان یکسان سبد صورت گرفت. نتایج نشان می دهند، مدل مذکور عملکرد بهتری داشته و بهره وری و عملکرد سبد سرمایه گذاری را نسبت به مدل نیم واریانس و اوزان یکسان سبد بهبود می بخشد.