![سامانه نشر مجلات علمی دانشگاه تهران](./data/logo.png)
تعداد نشریات | 161 |
تعداد شمارهها | 6,573 |
تعداد مقالات | 71,037 |
تعداد مشاهده مقاله | 125,515,273 |
تعداد دریافت فایل اصل مقاله | 98,776,441 |
بررسی کارایی مدل N/1 در انتخاب پرتفوی | ||
تحقیقات مالی | ||
دوره 23، شماره 1، 1400، صفحه 1-16 اصل مقاله (735.52 K) | ||
نوع مقاله: مقاله علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jfr.2018.245590.1006548 | ||
نویسندگان | ||
رضا راعی1؛ سعید باجلان2؛ علیرضا عجم* 3 | ||
1استاد، گروه مالی و بیمه، دانشکده مدیریت دانشگاه تهران، تهران، ایران. | ||
2استادیار، گروه مالی و بیمه، دانشکده مدیریت دانشگاه تهران، تهران، ایران. | ||
3دانشجوی دکتری، گروه مالی و بیمه، دانشکده مدیریت دانشگاه تهران، تهران، ایران. | ||
چکیده | ||
هدف: از زمانی که کار اولیه مارکویتز، مبنی بر مدل سرمایهگذاری تکدورهای ارائه شد، مسئله انتخاب پرتفوی در حوزههای علمی و صنعتی، به مسئلهای بنیادین در مدیریت سرمایهگذاری تبدیل شد. علیرغم مطرحشدن تئوریها و روشهای مختلف، با توجه به اینکه مدل N/1 به برآورد پارامترهای دیگر در بهینهسازی بینیاز است و محاسبههای سادهای دارد، همچنان در انتخاب پرتفوی در کانون توجه قرار میگیرد. هدف از این پژوهش بررسی کارایی مدل N/1 در انتخاب پرتفوی است. روش: در این پژوهش هم برای انتخاب پرتفوی بهینه و هم برای سنجش عملکرد پرتفوی، از روشها و مدلهای مختلفی استفاده شده است که یکی از این روشها، روش تصمیمگیری چندمعیاره ELECTRE برای رتبهبندی مدلهای پژوهش است. روشهای انتخاب پرتفوی بهینه در این پژوهش، مدلهای N/1، میانگین ـ واریانس، حداقل واریانس و همچنین، مدل ترکیبی حداقل واریانس و N/1 است. برای ارزیابی عملکرد پرتفوی نیز، از معیارهایی نظیر معیار شارپ، معیار ترینر، معیار مودیلیانی ـ مودیلیانی، معیار اطلاعات و معیار سورتینو استفاده شده است. یافتهها: بهطور نسبی، از لحاظ معیارهای شارپ و مودیلیانی ـ مودیلیانی، عملکرد مدل N/1؛ از لحاظ معیار ترینر، عملکرد مدل میانگین ـ واریانس و از لحاظ معیارهای اطلاعات و سورتینو، عملکرد مدل ترکیبی حداقل واریانس و N/1 بهتر بوده است. نتیجهگیری: در نهایت، بهکمک روش تصمیمیری چندمعیاره ELECTRE مدلهای پژوهش رتبهبندی شدند که نتایج آن، از برتری مدل N/1 و مدل حداقل واریانس نسبت به مدلهای دیگر حکایت میکند. | ||
کلیدواژهها | ||
انتخاب پرتفوی؛ مدل N/1؛ مدل میانگین ـ واریانس؛ مدل حداقل واریانس | ||
مراجع | ||
ابریشمی، آذین؛ یونسی زنوز، رضا (1393). انتخاب سبد سهام با استفاده از بهینهسازی استوار. تحقیقات مالی، 16(2)، 201-218. اصغرپور، محمدجواد (1384). تصمیمگیریهای چندمعیاره. تهران: انتشارات دانشگاه تهران. راعی، رضا؛ پویانفر، احمد (1388). مدیریت سرمایهگذاری پیشرفته. تهران: سمت. قاسمی، حمیدرضا؛ نجفی، امیرعباس (1391). بهینهسازی پرتفوی سهام در شرایط مجاز بودن فروش استقراضی و برخی محدودیتهای کاربردی بازار سرمایه. تحقیقات مالی، 14(2)، 117- 132. محقر، علی؛ یونسیفر، سید عزیز (1395). تکنیکهای تصمیمگیری در MADM. تهران: انتشارات دانشگاه تهران.
References Abrishami, A. and Yousefi Zenouz, R. (2016). Portfolio Selection by Robust Optimization. Journal of Financial Researches, 16(2), 201-218. (in Persian) Asgharpoor, M. J. (2006). Multiple Criteria Decision Analysis. Tehran: University of Tehran Publication. (in Persian) Behr, P., Guettler, A. & Truebenbach, F. (2011). Using industry momentum to improve portfolio performance. Journal of Banking & Finance, 36(5), 1414-1423. Chaves, D. B., Hsu, J. C. & Shakernia, O. (2011). Efficient Algorithms for Computing Risk Parity Portfolio Weights. Journal of Investing, 3, 150-163. DeMiguel, V., Garlappi L., & Uppal, R. (2009). Optimal versus naive diversification: How inefficient is the 1/N portfolio strategy? Review of Financial Studies, 22(5), 1915–1953. Fabozzi, F. J., Neave, E. H. and Zhou, G. (2011). Financial Economics. Wiley. Fletcher, J. (2015). Exploring the benefits of using stock characteristics in optimal portfolio strategies. European Journal of Finance, 19, 192-210. Ghasemi, H. and Najafi, A. (2014). Portfolio Optimization in terms of Justifiability Short Selling and Some Market Practical Constraints. Journal of Financial Researches, 14(2), 117-132. (in Persian) Kirby, C. & Ostdiek, B. (2012). It’s All in the Timing: Simple Active Portfolio Strategies that Outperform Naïve Diversification. Journal of Financial and Quantitative Analysis, 47(2), 437-467. Le Sourd, V. (2007). Performance Measurement for Traditional Investment. Literature Survey, London: EDHEC Risk and Asset Management Research Centre. Low, R., Faff, R. & Aas, K. (2016). Enhancing Mean-Variance Portfolio Selection by Modeling Distributional Asymmetries. Journal of Economics and Business, 85, 49–72. Markowitz, H. (1952). Portfolio selection. Journal of Finance, 7(1), 77-91. Markowitz, H. (1959). Portfolio allocation: Efficient diversification of investments. New York: John Wiley & Sons. Michaud, R. O. (1989). The Markowitz Optimization Enigma: is Optimized Optimal? Financial Analysts Journal, 45(1), 31-42. Mohaghar, A. & Yonesifar, S. (2016). Decision Making Techniques in MADM. Tehran: University of Tehran Press. (in Persian) Mousseau, V. & Slowinski, R. (1998). Inferring an ELECTRE TRI model from Assignment Examples. Journal of Global Optimization, 12, 157-174. Pertalta, G., & Zareei, A. (2016). A Network Approach to Portfolio Selection. Journal of Empirical Finance, 38(1), 157-180. Raei, R., & Pooyanfar, A. (2010). Advanced Investment Management. Tehran, Samt. Sortino, F. A., & Price, L. N. (1994). Performance measurement in a downside risk framework. The Journal of Investing, 3(3), 59-64. | ||
آمار تعداد مشاهده مقاله: 941 تعداد دریافت فایل اصل مقاله: 966 |