مطالب مرتبط با کلیدواژه
۱.
۲.
۳.
۴.
۵.
۶.
۷.
۸.
۹.
۱۰.
۱۱.
۱۲.
۱۳.
۱۴.
۱۵.
۱۶.
۱۷.
۱۸.
بهینه سازی پرتفوی
حوزه های تخصصی:
تشکیل پرتفوی به عنوان یک تصمیمگیری حساس و حیاتی برای شرکتها شناخته شده است. به همین دلیل انتخاب یک پرتفوی با نرخ بازدهی بالا و ریسک کنترل شده یکی از موضوعاتی است که مورد توجه بسیاری از محققان قرار گرفته است. در تعریف جدید ریسک، به جای یک عدد ویژه، از یک منحنی به عنوان ریسک استفاده میشود. در این مقاله روشی بر مبنای الگوریتم ژنتیک برای تشکیل پرتفوی ارائه میشود، که در آن ریسک با تعریف جدید در نظر گرفته شده است. در نهایت به عنوان یک مطالعه ی موردی، این الگوریتم برای تشکیل پورتفوی در بورس اوراق بهادار تهران مورد استفاده قرار گرفته است.
بهینه سازی سبد سهام با رویکرد «میانگین- نیم واریانس» و با استفاده از روش «جستجوی هارمونی»(مقاله علمی وزارت علوم)
حوزه های تخصصی:
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.
کاربرد الگوریتم ژنتیک چند هدفه در بهینه سازی پرتفوی تسهیلات بانک (مطالعه موردی تسهیلات اعطایی بانک ملی استان اصفهان)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
حداکثر سازی سود به همراه حداقل کردن ریسک هدفی است که همواره مؤسسات مالی و اعتباری به دنبال تحقق آن هستند. دراین تحقیق که در چارچوب تسهیلات اعطایی یکی از بانک های تجاری ایران طی سال های 1388 الی1390 انجام گردیده به بررسی نرخ بهره مؤثر، نرخ نکول تسهیلات اعطایی در قالب عقود اسلامی دربخش های مختلف و سبد بهینه تسهیلات پرداخته شده است. بنابراین با استفاده از الگوریتم ژنتیک چند هدفه پرتفوی بهینه تسهیلات اعطایی تعیین شده است. یافته های پژوهش نشان می دهد که پرتفوی بهینه تسهیلات که توسط الگوریتم ژنتیک چند هدفه بدست آمده است متفاوت از پرتفوی فعلی بانک است و پوشش دهنده محدودیت های و سیاست های مختلف حاکم بر اعطای تسهیلات است. همچنین نرخ بهره مؤثر و درجه کارایی تسهیلات مبتنی بر مدل بالاتر از نرخ بهره مؤثر و درجه کارایی سبد فعلی تسهیلات است.
بررسی تأثیر توانمندسازی بر تسهیم دانش و طراحی مدل چندسطحی برای تبیین تأثیر فرهنگ سازمانی مشارکتی بر تسهیم دانش(مقاله علمی وزارت علوم)
حوزه های تخصصی:
امروزه فرهنگ سازمانی به عنوان یک زیرساخت، نقش بسیار کلیدی در پیاده سازی مدیریت دانش در هر سازمان دارد. تحقیق حاضر برای بررسی تأثیر توانمندسازی بر تسهیم دانش بین کارکنان با درنظرگرفتن نقش فرهنگ سازمانی مشارکتی در دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران انجام گرفته است. این پژوهش از نظر هدف، کاربردی و از نظر روش پژوهش توصیفی- همبستگی است. جامعة آماری پژوهش حاضر کارکنان اداری دانشگاه آزاد واحد علوم و تحقیقات به تعداد 700 نفر بود و حجم نمونه براساس فرمول کوکران 248 نفر در نظر گرفته شد. روش نمونه گیری تصادفی ساده بود. برای گردآوری داده ها پرسشنامه به کار گرفته شد که پایایی آن با محاسبة آلفای کرونباخ و شاخص CRو روایی آن با روش های روایی محتوا، روایی همگرا و واگرا تأیید شد. تجزیه وتحلیل داده ها با روش مدل سازی معادلات ساختاری با رویکرد روش حداقل مربعات جزئی و نرم افزار 3.2.6 SmartPLSانجام گرفت. نتایج نشان داد توانمندسازی کارکنان بر فرهنگ سازمانی مشارکتی (با ضریب 52 /0) تأثیر مثبت و معنادار دارد. همچنین، فرهنگ سازمانی مشارکتی بر تسهیم دانش کارکنان (با ضریب 92 /0)، و توانمندسازی کارکنان بر تسهیم دانش (با ضریب 64 /0) تأثیر معنادار می گذارند. به عبارت دیگر، موفقیت سازمان در اجرای هر استراتژی از جمله تسهیم دانش تا حد زیادی به توانمندسازی کارکنان بستگی دارد. در نهایت، اثرگذاری فرهنگ سازمانی مشارکتی بر تسهیم دانش در یک سطح و از طرفی تعداد افراد کارکنان دانشکده ها در سطح سازمانی بررسی شد. تأثیر کمّی تعداد کارکنان بر افزایش تسهیم دانش با مدل سازی چندسطحی و نرم افزار HLM تأیید شد.
بهینه سازی سبد سهام برمبنای روش های تخمین ناپارامتریک(مقاله علمی وزارت علوم)
حوزه های تخصصی:
از جمله مسائل عمده ای که سرمایه گذاران بازارهای سرمایه با آن مواجه هستند، تصمیم گیری جهت انتخاب اوراق بهادار مناسب برای سرمایه گذاری و تشکیل سبد بهینه سهام است که این فرایند از طریق ارزیابی ریسک و بازده صورت می گیرد. از طرفی در بحث سبد سهام در صورتی که بازده دارایی ها دارای توزیع نرمال باشد از واریانس و انحراف معیار برای محاسبه ریسک استفاده می شود، اما در دنیای واقع بازده دارایی ها لزوماً نرمال نبوده و گاهی نیز تفاوت فاحش با توزیع نرمال دارد. مقاله حاضر با معرفی ارزش در معرض خطر مشروط (CVaR)، به عنوان معیار محاسبه ریسک در یک چارچوب ناپارامتریک و به ازای بازده معین سبد بهینه سهام را ارائه می دهد و این روش را با روش برنامه ریزی خطی مقایسه می کند. داده های مورد استفاده در این مقاله را بازده های ماهانه 15 شرکت منتخب از 50 شرکت برتر بورس اوراق بهادار تهران در زمستان 1392 تشکیل می دهند که در دوره زمانی فروردین ماه 1388 تا خرداد ماه 1393 در نظر گرفته شده اند. در نهایت سبد بهینه حاصل از به کارگیری دو روش ناپارامتریک و برنامه ریزی خطی ارائه شده و مقادیر CVaR آنها مورد مقایسه قرار گرفته است که در این مورد برتری روش ناپارامتریک نسبت به برنامه ریزی خطی را نشان می دهد.
مطالعه تطبیقی مدل بهینه سازی پرتفوی چند دوره ای چندهدفه در محیط اعتبار فازی با معیارهای متفاوت ریسک(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف از پژوهش حاضر مقایسه تطبیقی مدل های بهینه سازی پرتفوی در محیط اعتبار فازی می باشد. به این منظور سه مدل بهینه سازی پرتفوی طراحی گردید. به جای در نظر گرفتن مدل تک دوره ای پرتفوی از مدل سه دوره ای استفاده گردید. معیارهای ریسک استفاده شده در مدل ها عبارت اند از ارزش در معرض خطر، ارزش در معرض خطر میانگین و نیم آنتروپی. همچنین به منظور نزدیک شدن مدل به دنیای واقعی سرمایه گذاری با در نظر گرفتن هزینه معاملات و سرمایه گذاری بخشی از ثروت در دارایی بدون ریسک علاوه بر محدودیت های اصلی، از محدودیت هایی نظیر، حداقل و حداکثر تخصیص ثروت به هر دارایی، حداقل و حداکثر تعداد سهام موجود در پرتفوی و همچنین از آنتروپی نسبت برای رسیدن به حداقل درجه تنوع بخشی استفاده شد. هر سه مدل این پژوهش با استفاده از الگوریتم MOPSO اجرا گردید. نتایج حاصل از ارزیابی عملکرد پرتفوهای بهینه با در نظر گرفتن معیارهای شارپ و ترینر نشان داد، مدل Mean- AVaR نسبت به دو مدل Mean- Semi Entropy و Mean-VaR عملکرد بهتری دارد.
مقایسه الگوریتمهای پیش بینی و بهینه سازی در بورس اوراق بهادار تهران
حوزه های تخصصی:
در این مطالعه، با استفاده از دو الگوریتم شبکه عصبی مصنوعی و شبکه فازی- عصبی به عنوان دو الگوریتم پیش بینی قیمت اوراق بهادار و از دو الگوریتم ممتیک حرکت تجمعی ذرات، الگوریتم ژنتیک و روش کوادراتیک به منظور حل مساله بهینه سازی پرتفوی بدون محدودیت برای 23 شرکت فعال بازار بورس طی سال های 94-1391 به صورت روزانه استفاده شده است. نتایج حاصل از این تحقیق نشان می دهد که شبکه های عصبی توانسته عملکرد بهتری را در پیش بینی بازده اوراق بهادار نسبت به سیستم فازی عصبی نشان دهد و همچنین در بررسی عملکرد سه الگوریتم کوادراتیک، ژنتیک و ممتیک، نتایج نشان می دهد که الگوریتم جهش ترکیبی قورباغه توانسته عملکرد و نتیجه بهتری را در مقایسه با الگوریتم ژنتیک نسبت به الگوریتم کوادراتیک نشان دهد. و همچنین نتایج این مطالعه، نشان می دهد که الگوریتم شبکه عصبی می تواند الگوریتمی قابل اتکا برای سهامداران باشد.
بهینه سازی پرتفوی به روش تسلط تصادفی در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
منبع:
مطالعات مدیریت صنعتی سال هفدهم زمستان ۱۳۹۸ شماره ۵۵
185 - 210
حوزه های تخصصی:
تشکیل پرتفوی بهینه بر اساس ریسک و بازده، از تصمیمات مهم سرمایه گذاران در بازارهای مالی است که برای آن روش های مختلفی وجود دارد. اولین روشی که به منظور تشکیل و بهینه سازی پرتفوی معرفی گردید، روش میانگین-واریانس مارکویتز بود. اما این روش به دلیل فرض نرمال بودن تابع توزیع بازدهی، فقط ویژگی های خاصى از تابع توزیع بازدهی (بازده مورد انتظار و واریانس) را در نظر می گرفت. روش دیگری که سال ها بعد به منظور بهینه سازی پرتفوی مورد استفاده قرار گرفت، روش تسلط تصادفی بود که تمام تابع توزیع بازدهی را به جای برخی ویژگی های خاص مانند واریانس، در نظر می گیرد. پژوهش حاضر به بررسی روش تسلط تصادفی در بهینه سازی پرتفوی و مقایسه عملکرد این روش با بهینه سازی پرتفوی به روش مارکویتز، با استفاده از معیارهای ارزیابی عملکرد در بورس اوراق بهادار تهران می پردازد. معیارهای ارزیابی عملکرد مورد استفاده در این پژوهش شامل چهار معیار شارپ، ترینر، سورتینو و امگا می باشد. نتایج این تحقیق نشان دهنده برتری عملکرد روش تسلط تصادفی مرتبه دوم بر روش مارکویتز در رویکرد برون نمونه ای و درون نمونه ای است. همچنین روش تسلط تصادفی مرتبه دوم، بازدهی تجمعی بالاتری نسبت به روش مارکویتز دارد.
بهینه سازی پرتفوی به کمک رهیافت Bayesian MGARCH مبتنی بر تبدیل موجک(مقاله علمی وزارت علوم)
منبع:
اقتصاد پولی، مالی سال دهم بهار و تابستان ۱۳۹۹ شماره ۱ (پیاپی ۱۹)
133 - 164
حوزه های تخصصی:
مفاهیم مقیاس-زمان، سری های زمانی با دنباله های پهن و چولگی و تفکیک دوره های پژوهش بر اساس شوک های اقتصادی در بهینه یابی سبد دارایی از اهمیت ویژه ایی برخوردار است. لزوم داشتن توزیع نرمال سری بازدهی ها و عدم امکان فروش استقراضی از ایرادات بنیادی وارد به مدل مارکوویتز است. همچنین وجود خصلت های چولگی و دم های پهن در سری بازده دارایی های مالی اهمیت معرفی چولگی در توزیع خطا مدل MGARGH را نشان می دهد که نتیجه آن بهبود رهیافت مارکوویتز با استفاده از ماتریس کواریانس مستخرج از مدل های MGARCH مبتنی بر توزیع چوله چندمتغیره نامتقارن است. ضمنا با استفاده از تحلیل موجک می توان واریانس و کواریانس های کاراتری در مقیاس های زمانی متفاوت محاسبه نمود. از این رو هدف پژوهش حاضر غلبه بر مشکلات مطروحه در مدل مارکوویتز از طریق کاربرد مدل Bayesian DCC-GARCH مبتنی بر تحلیل موجک و رهیافت هانگ و لیتزنبرگر می باشد. داده های مورد استفاده در این پژوهش شامل بازده قیمت سهام گروه های منتخبی از بازار سرمایه ایران است که بیش ترین تاثیر را از تحریم های اقتصادی طی دوره 24/9/1387 الی 26/3/1398 متحمل شده اند. دوره زمانی مذکور به دوران قبل از برجام، پسا برجام و خروج آمریکا از برجام تفکیک شده است. همچنین از ماتریس کواریانس حاصل از 2 روش متفاوت (غیرشرطی و شرطی مستخرج از مدل Bayesian DCC-GARCH) در مدل بهینه یابی سبد دارایی هانگ و لیتزنبرگر در مقیاس های زمانی 4 گانه استفاده شده است. نتایج حاکی از وجود خصلت چندمقیاسه بودن تئوری بهینه یابی سبد دارایی هانگ و لیتزنبرگر در بازار سرمایه ایران بود. به گونه ایی که کارایی سبدهای دارایی در مقیاس های میان ماهانه و بلندمدت بیش تر از کارایی این سبدها در مقیاس های کوتاه مدت است. ضمن آن که در تمامی زیربخش ها سبدهای دارایی که با استفاده از توزیع بیزی حاصل شده اند دارای کارایی بالاتری نسبت به سایر سبدهایی هستند که از سایر توزیع های آماری به دست آمدند.
مدل سازی انتخاب سبد بهینه سهام بر مبنای ارزیابی ریسک و رویکرد مالی رفتاری (حسابداری ذهنی) در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
منبع:
چشم انداز مدیریت مالی سال دهم پاییز ۱۳۹۹ شماره ۳۱
75 - 101
حوزه های تخصصی:
این تحقیق به مدلسازی انتخاب سبد بهینه با رویکرد حسابداری ذهنی و بر مبنای شاخص های ارزیابی ریسک و بازده بر اساس نظر خبرگان می پردازد. در این راستا پس از نظر سنجی چند مرحله ای از 28 خبره و تدوین مدل پایه بر اساس روشهای کیفی، با محاسبه بازده صنایع مختلف بورسی طی ده سال به ارزیابی مقایسه ای روش های بهینه سازی پرتفوی با توسعه روش های محاسبه ریسک از واریانس به ارزش در معرض خطر و وارد نمودن متغیر حسابداری ذهنی سرمایه گذاران در قالب دو دوره آموزش هشت ساله و آزمایش دو ساله پرداخته است. نوآوری اصلی تحقیق در تدوین مدل ریاضی بهینه سازی با درج محدودیتهای حسابداری ذهنی و نقدشوندگی بوده و ارزیابی نهایی مدل توسعه یافته نشان دهنده کارکرد مناسب مدلسازی مذکور در عملکرد پرتفوی می باشد. نتایج حاصله نشان می دهد که عملکرد پرتفوی های حاصل از مدل مبتنی بر حسابداری ذهنی DMSS و MVO در حالت ساده یکسان عمل کرده و اختلاف معناداری ندارند. ولی پرتفوی هایی که بر اساس مدلهای مبتنی بر حسابداری ذهنی با در نظر گرفتن محدودیتهای ارزش در معرض ریسک و نقدشوندگی تشکیل شده اند عملکردی به مراتب بهتر از مدل MVO دارند.
بهینه سازی پرتفوی سهام در شرایط مجاز بودن فروش استقراضی و برخی محدودیت های کاربردی بازار سرمایه(مقاله علمی وزارت علوم)
منبع:
تحقیقات مالی دوره ۱۴ پاییز و زمستان ۱۳۹۱ شماره ۲
117 - 132
حوزه های تخصصی:
ممنوعیت فروش استقراضی (نامنفی بودن اوزان دارایی) یکی از فرض های اولیه ی مدل مارکویتز است که تنها وضعیت خرید را برای دارایی ها ممکن می کند. حل مدل کوآدراتیک مارکویتز با در نظر گرفتن تنها دو محدودیت بازده و بودجه، مرز کارای نامقید سرمایه گذاری را به دنبال دارد. در سال های گذشته، معرفی سایر محدودیت های کاربردی منجر به توسعه ی مدل اولیه ی مارکویتز شده اند. در پژوهش پیش رو، مدلی نوین برای بهینه سازی پرتفو ارائه شده است که افزون بر مجاز شمردن فروش استقراضی، برخی محدودیت های کاربردی بازار نیز به مدل تحمیل شده است. با استفاده از اطلاعات قیمت 15 سهم، مدل غیرخطی پیشنهادی با به کارگیری ابزارهای استاندارد حل شده و مرز کارای مقید ترسیم شده است.
انتخاب پرتفوی بهینه با استفاده از برنامه ریزی فرا آرمانی و برنامه ریزی آرمانی ترتیبی توسعه یافته(مقاله علمی وزارت علوم)
منبع:
تحقیقات مالی دوره ۱۸ زمستان ۱۳۹۵ شماره ۴
591 - 612
حوزه های تخصصی:
پس از انتشار مقاله مارکویتز در سال 1952، یافتن بهترین راه برای بهینه سازی پرتفوی بین فعالان صنعت مدیریت سرمایه گذاری اهمیت مضاعف پیدا کرد و به همین منظور روش های زیادی برای انتخاب سبد سهام معرفی شدند. این مقاله به انتخاب پرتفوی بهینه سهام با استفاده از تکنیک های نوین برنامه ریزی آرمانی، یعنی دو تکنیک برنامه ریزی فرا آرمانی (Meta-GP) و برنامه ریزی آرمانی ترتیبی توسعه یافته (ELGP) پرداخته است. هر دو مدل به دنبال حداکثرسازی بازدهی و نقدشوندگی و همچنین به حداقل رساندن بتا و ریسک سهام شرکت ها برای تشکیل پرتفوی بهینه اند. در نهایت دو پرتفوی به دست آمده با مقدار بازدهی هر یک مقایسه شد. این پژوهش در بازار بورس اوراق بهادار تهران اجرا شده است. بازدهی کل پرتفوی در مدل برنامه ریزی آرمانی ترتیبی توسعه یافته 678/21 درصد و در برنامه ریزی فرا آرمانی 172/20 درصد است.
گشتاور مراتب بالاتر در بهینه سازی پرتفوی با درنظر گرفتن آنتروپی و استفاده از برنامه ریزی آرمانی چندجمله ای(مقاله علمی وزارت علوم)
منبع:
تحقیقات مالی دوره ۲۰ تابستان ۱۳۹۷ شماره ۲
193 - 210
حوزه های تخصصی:
هدف: هدف این پژوهش، سرمایه گذاری کسب بازده متناسب با ریسک است. تحقیقات زیادی از جمله تئوری مارکوییتز (1952) نشان می دهد تشکیل پرتفوی با در نظر گرفتن بازدهی ثابت، سبب کاهش ریسک غیرسیستماتیک می شود. این نظریه بر اساس فرض هایی بنا شده است که یکی از آنها، نرمال بودن توزیع بازده دارایی هاست؛ اما شواهد تجربی نشان از عدم نرمال بودن بازده دارایی ها دارد. از سوی دیگر، معیارهای آنتروپی برای نشان دادن تنوع سازی در پرتفوی عملکرد خوبی دارند. در مقاله پیش رو اثر استفاده ترکیبی از آنتروپی و گشتاورهای مراتب بالاتر نشان داده شده است. روش: در این مقاله، رویکرد برنامه ریزی آرمانی چندجمله ای بر اساس مدل میانگین واریانس چولگی کشیدگی آنتروپی استفاده شده است. همچنین، الگوریتم جست وجوی مستقیم به عنوان الگوریتم بهینه سازی مد نظر قرار گرفته و برای اندازه گیری آنتروپی از معیارهای شانون و جینی سیمپسون استفاده شده است. یافته ها: به منظور بررسی مدل ها از داده های بورس اوراق بهادار تهران استفاده شده است. یافته ها گویای بهبود کارایی پرتفوی به دست آمده در حالت استفاده از آنتروپی جینی سیمپسون و شانون و به کارگیری الگوریتم جست وجوی مستقیم است. نتیجه گیری: استفاده ترکیبی از گشتاورهای مراتب بالاتر و آنتروپی در برخی توابع هدف، بهبود ایجاد نمی کند، اما به طور کلی موجب بهبود کارایی پرتفوی های به دست آمده بر اساس معیار ارزیابی عملکرد ارائه شده در پژوهش می شود.
طراحی مدلی برای مدیریت فعال پرتفوی با استفاده از VaR و الگوریتم ژنتیک(مقاله علمی وزارت علوم)
حوزه های تخصصی:
استراتژی فعال در مدیریت سرمایه گذاری یکی از رویکردهای مشهور در بازار سرمایه است. یکی از مشکلات این استراتژی، عدم توجه به ریسک کل پرتفوی است. در این پژوهش به منظور ارایه راه حلی برای رفع این مشکل، اثر اضافه نمودن محدودیت جدید VaR به مدل مدیریت فعال بررسی شده است. با توجه به پیچیده بودن چنین مدلی، از الگوریتم ژنتیک برای بهینه سازی استفاده شده است. برای ارزیابی و مقایسه عملکرد مدل ها، از دو معیار شارپ و نسبت بازده به VaR استفاده شده است. نتایج این پژوهش نشان داد، مدل جدید در مقایسه با مدل مدیریت فعال بدون محدودیت در VaR، به طور معناداری از عملکرد بهتری برخوردار است.
پیاده سازی رویکرد استوار نسبی برای انتخاب پرتفوی بهینه در بورس اوراق بهادار تهران با استفاده از برنامه ریزی مخروطی مرتبه دوم(مقاله علمی وزارت علوم)
منبع:
تحقیقات مالی دوره ۲۴ تابستان ۱۴۰۱ شماره ۲
184 - 213
حوزه های تخصصی:
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.
بهینه سازی پرتفوی سهام در بورس اوراق بهادار تهران (کاربرد رهیافت یادگیری تقویتی)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف این مقاله کاربرد معاملات الگوریتمی با تمرکز بر رویکرد یادگیری تقویتی برای بهینه سازی پرتفوی سهام های منتخب است. این پژوهش از حیث هدف، کاربردی و از نظر نوع داده، کمّی و از لحاظ روش، توصیفی - اکتشافی و از منظر طرح تحقیق، پس رویدادی است. جامعه آماری این پژوهش، 672 شرکت بورسی است که از این تعداد، داده های پنج شرکت (نمونه آماری) طی دوره زمانی 1396-1400 بررسی شده است. یافته های تحقیق در دوره های صعودی و نزولی بازار نشان داد که رویکرد یادگیری تقویتی در بازارهای صعودی و نزولی به صورت معناداری بر رویکرد خرید و نگهداری برتری دارد و عملکرد بهتری ارائه داده است و نتایج با عملکرد الگوریتم ها در بازارهای بورس سازگار است. نتایج آشکار کرد که از دیدگاه سودآوری، رویکرد یادگیری تقویتی نسبت به رهیافت خرید و نگه داری، عملکرد بهتر و موثرتری داشته است؛ بنابراین، به کارگیری روش یادگیری تقویتی پیشنهاد می شود.
مقایسه عملکرد مدل های مارکویتز و مدل ارزش در معرض خطر براساس ریسک عدم نقدشوندگی تی کاپولا با هم بستگی شرطی پویا (DCC t-Cupola LVaR) جهت بهینه سازی پرتفوی در بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
منبع:
تحقیقات مالی دوره ۲۵ بهار ۱۴۰۲ شماره ۱
152 - 179
حوزه های تخصصی:
هدف: هدف پژوهش حاضر، مقایسه عملکرد مدل های مارکویتز و مدل ارزش در معرض خطر با رویکرد نقدشوندگی تی کاپولا با هم بستگی شرطی پویا (DCC-t Cupola LVaR)، جهت بهینه سازی پرتفوی در بورس اوراق بهادار تهران است. ضمن ارائه یک مدل ترکیبی، م دل استخراج شده بررسی شده است تا کاراترین مدل، برای بهینه سازی سبد سرمایه گذاری با در نظر داشتن شرایط عدم قطعیت سرمایه گذاری و غیرخطی بودن هم بستگی بین بازده دارایی انتخاب شود. روش: برای تخمین DCC-tCopula-LVaR ابتدا از مدل (ARIMA -GARCH 1,1) سری زمانی جزء اخلال توزیع بازده دارایی ها برآورد و استاندارد می شود؛ سپس توزیع های حاشیه ای دارایی ها با استفاده از تابع تی کاپولا استیودنت برآورد می شود. در ادامه، از روش پارامتریک، مقادیر DCC-tCopula-LVaR محاسبه می شود. در گام آخر با استفاده از برنامه ریزی خطی، ترکیب بهینه پرتفوی و مرز کارای دو مدل در سطوح اطمینان 80، 85، 90، 95 و 99 درصد برای دو مدل فوق محاسبه خواهد شد. یافته ها: یافته های این پژوهش حاکی از آن است که هرچه مقدار ارزش در معرض خطر بیشتر می شود، مقدار شارپ مدل DCC-tCopula-LVaR در مقایسه با مدل مارکویتز کاهش می یابد. نتیجه گیری: استفاده از مدل DCC-tCopula-LVaR در شرایطی که مقدار ارزش در معرض خطر تعدیل شده نقدینگی پایین است، عملکرد بهتری برای بهینه سازی سبد سهام در مقایسه با مدل مارکویتز، مبتنی بر معیار سنجش شارپ به همراه دارد.
بهینه سازی پرتفو با استفاده از مدل مارکویتز تعدیل شده مبتنی بر مدلسازی CO-GARCH در قیاس با بازار(مقاله علمی وزارت علوم)
منبع:
اقتصاد باثبات دوره ۳ تابستان ۱۴۰۱ شماره ۲ (پیاپی ۷)
69 - 82
حوزه های تخصصی:
بهینه سازی پرتفوی و تصمیم گیری درباره اینکه کدام سهام شایستگی قرار گرفتن در سبد سرمایه گذاری را دارد و چگونگی تخصیص سرمایه، مباحثی پبچیده است. از لحاظ نظری، انتخاب سبد سهام در حالت حداقل کردن ریسک در صورت ثابت در نظر داشتن بازده از طریق یک معادله درجه دوم قابل حل است، لیکن در دنیای واقعی با توجه به اینکه رفتار بازار سهام از یک الگوی خطی پیروی نمی کند، روش های خطی رایج نیز نمی تواند در توصیف این رفتار مفید واقع شود. یک روش طبیعی برای لحاظ کردن محدودیتهای مبتنی بر زمان فرآیندهای گسسته، استفاده از مدل های خانواده GARCH است. مدل GARCH با زمان پیوسته (CO-GARCH) آنالوگ مستقیمی از GARCH با زمان گسسته است که ویژگی های اساسی فرایند مذکور را به روشی طبیعی تعمیم می دهد. مزیت دیگر مدل CO-GARCHاین است که ساختار مرتبه دوم آن شناخته شده و مشخص است. لذا در این پژوهش بهینه سازی پرتفوی با استفاده از مدل مارکویتز تعدیل شده مبتنی بر مدلسازی CO-GARCH در قیاس با بازار بررسی شده است. جامعه آماری پژوهش حاضر شامل اطلاعات شرکت های پذیرفته شده در بورس اوراق بهادار تهران برای دوره زمانی سال های 1390 تا 1399 بوده و نمونه آماری با استفاده از روش حذف سیستماتیک انتخاب گردید. ابتدا مدل بهینه سرمایه گذاری بر اساس مدل مارکویتز مبتنی بر مدلCO-GARCH ارائه شده و سپس با بازار مقایسه گردید. نتایج پژوهش حاکی از آن است که کارایی پرتفوی بهینه تشکیل شده با استفاده از مدل مارکویتز تعدیل شده مبتنی بر نوسانات CO-GARCH در مقایسه با کارایی بازار دارای تفاوت معناداری می باشد.