
تعداد نشریات | 162 |
تعداد شمارهها | 6,695 |
تعداد مقالات | 72,289 |
تعداد مشاهده مقاله | 129,336,396 |
تعداد دریافت فایل اصل مقاله | 102,193,597 |
بهینهسازی سبد سهام استوار با بهکارگیری مدلهای چند متغیره و امگا- ارزش در معرض ریسک شرطی بر پایه ملاک حداقل حداکثر پشیمانی | ||
تحقیقات مالی | ||
دوره 24، شماره 1، 1401، صفحه 1-17 اصل مقاله (514.95 K) | ||
نوع مقاله: مقاله علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/frj.2021.287379.1006913 | ||
نویسندگان | ||
سعید شیرکوند* 1؛ حمیدرضا فدائی2 | ||
1استادیار، گروه مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. | ||
2دانشجوی دکتری، گروه مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. | ||
چکیده | ||
هدف: سرمایهگذاران و نهادهای مالی، تمایل دارند که در انتخاب سرمایهگذاری، از آینده و همچنین، نحوه عملکرد خود اطمینان نسبی داشته باشند؛ به نحوی که در موقعیتهای عدم قطعیت (رونق و رکود بازارها) عملکردهای مناسبی انجام دهند. این پژوهش بهدنبال یافتن سبد سهام بهینه ـ استواری است که در شرایط مختلف بازار، بهترین عملکرد را داشته باشد و پشیمانی سرمایهگذار از انتخاب سبد سهام را به حداقل رساند. روش: بهمنظور بهدستآوردن سبد سهام بهینه، از سناریوبندی وضعیتهای مختلف بازار، بر اساس بازده روزانه شاخص کل بورس اوراق بهادار تهران و بهکارگیری الگوریتم بهینهسازی توده ذرات و ملاک حداقل حداکثر پشیمانی استفاده شده است. همچنین در این پژوهش، توابع هدف چندمتغیره و امگا ـ ارزش در معرض ریسک شرطی، بهعنوان توابع برازش در بهینهسازی توده ذرات بهکار گرفته شده است. از دادههای 50 شرکت بورسی، طی سالهای 1388 تا 1395، برای محاسبه سبدهای سهام بهینه و دادههای سال 1396 بهعنوان خارج از نمونه، برای آزمون سبدهای سهام بهدستآمده استفاده شده است. یافتهها: نتایج بهدستآمده نشان میدهد که در بازه ماهانه، سبدهای سهام بهینه استوار در مقایسه با سبد سهام معیار، نسبت اطلاعاتی بیشتر و خطای ردیابی کمتری دارند. نتیجهگیری: سناریوبندی بازار و بهکارگیری ملاک حداقل حداکثر پشیمانی، عملکرد سبدهای سهام بهینه استوار را بهبود میدهد. همچنین، نتیجه مقایسه مدل معیار میانگین نیمواریانس با تابع چندمتغیره و ضریب امگا ـ ارزش در معرض ریسک شرطی برای بهینهسازی سبد سهام، نشان داد که تابع چندمتغیره و ضریب امگا ـ ارزش در معرض ریسک شرطی به بهبود بیشتری در عملکرد سبدهای سهام استوار منجر میشود. | ||
کلیدواژهها | ||
سبد سهام استوار؛ حداقل حداکثر پشیمانی؛ بهینهسازی چندمتغیره؛ نسبت امگا؛ ارزش در معرض ریسک شرطی | ||
مراجع | ||
ابریشمی، آذین؛ یوسفی زنور، رضا (1393). انتخاب سبد سهام با استفاده از بهینهسازی استوار. تحقیقات مالی، 16(2)، 201-218.
بحری ثالث، جمال؛ پاکمرام، عسگر؛ ولیزاده، مصطفی (1397). انتخاب و بهینهسازی سبد سهام با استفاده از روش میانگین واریانس مارکویتز با بهرهگیری از الگوریتمهای مختلف. دانش مالی تحلیل اوراق بهادار، 11(37)، 43-53.
جمشیدی عینی، عصمت؛ خالوزاده، حمید (1395). بررسی روشهای هوشمند در حل مسئله سبد سهام مقید در بازار سهام تهران. دانش مالی تحلیل اوراق بهادار، 9(29)، 85-96.
فلاحپور، سعید؛ تندنویس، فرید (1393). کاربرد مدل پایدار در انتخاب پرتفوی بهینه سهام. فصلنامه دانش سرمایه گذاری، 10(3)، 67-81.
فلاحپور، سعید؛ تندنویس، فرید (1394). کاربرد رویکرد بهینهسازی استوار در تشکیل پرتفوی سهام مبتنی بر شاخص با درنظرگرفتن عدم قطعیت پارامترها. تحقیقات مالی، 17(2)، 325-340.
References Abrishami, A. & Yousefi, R. (2014). Portfolio selection by robust optimization. Financial Research Journal, 16(2), 201-218. (in Persian) Bahri, J., Pakmaram, A. & Valizadeh, M. (2018). Selection and portfolio optimization by mean–variance markowitz model and using the different algorithms. Financial Knowledge of Securities Analysis, 11(37), 43-53. (in Persian) Bertsimas, D., Brown, D. & Caramanis, C. (2011). Theory and applications of robust optimization. SIAM Review, 53(3), 464-501. Bertsimas, D. & Pachamanova, D. (2008). Robust multiperiod portfolio management in the presence of transaction costs. Computers & Operations Research, 35, 3–17. Bianchi, L., Dorigo, M., Gambardella, L.M. & Gutjahr, W.J. (2009). A survey on metaheuristics for stochastic combinatorial optimization. Natural Computing, 8(2), 239–287. Blum, C. & Roli, A. (2003). Metaheuristics in combinatorial optimization: overview and conceptual comparison. ACM Computing Surveys, 35(3), 268-308. Clerc, M. & Kennedy, J. (2002). The particle swarm – explosion, stability, and convergence in a multidimensional complex space. IEEE Transactions on Evolutionary Computation, 6(1), 58 – 73. Conde, E. & Leal, M. (2017). Minmax regret combinatorial optimization problems with investments. Computers and Operations Research, 85, 1-11. Dupacova, J. & Kopa, M. (2014). Robustness of optimal portfolios under risk and stochastic dominance constraints. European Journal of Operational Research, 234, 434–441. Eberhart, R.C. & Shi, Y. (2001). Particle swarm optimization: developments, applications and resources. Proceedings of the 2001 Congress on Evolutionary Computation (IEEE Cat. No.01TH8546), Seoul, South Korea, 1, 81-86. Fallahpour, S., & Tondnevis, F. (2014). Robust model for optimal portfolio selection. Journal of Investment Knowledge, 3, 67-84. (in Persian) Fallahpour, S., & Tondnevis, F. (2016). Application of an optimization model for constructing an index tracker portfolio and considering the uncertainty of model parameters by using of robust optimization approach. Financial Research Journal, 17(2), 325-340. Fliege, J. & Werner, R. (2014). Robust multiobjective optimization and applications in portfolio optimization. European Journal of Operations Research, 234, 422-433. Hu, X. & Eberhart, R. (2002). Multiobjective optimization using dynamic neighborhood particle swarm optimization. Proceedings of the 2002 Congress on Evolutionary Computatio, CEC'02, Honolulu, HI, USA,2 , 1677-1681. Huo, L., Kim, T.-H. & Kim, Y. (2012). Robust estimation of covariance and its application to portfolio optimization. Finance Research Letters, 9, 121–134. Jamshidi Eyni, E., & Khaloozadeh, H. (2016). Using intelligent methods in solving constrained portfolio in Tehran Stock Exchange. Financial Knowledge of Securities Analysis, 9(29), 85-96. (in Persian) Keating, c. & Shadwick, W. F. (2002). A Universal Performance Measure. Journal of Performance Measurement, 6, 1-42. Kennedy, J. & Eberhart, R. (1995). Particle Swarm Optimization. Proceedings of IEEE International Conference on Neural Networks, 1942–1948. Kim, J. H., Kim, W. C. & Fabozzi, F. J. (2015). Recent developments in robust portfolios with a worst-case approach. Journal of Optimization Theory and Applications, 161, 103-121. Kim, W. C., Kim, J. H., Mulvey, J. M. & Fabozzi, F. J. (2015). Focusing on the worst state for robust investing. International Review of Financial Analysis, 39, 19-31. Kouvelis, P. & Yu, G. (1997). Robust discrete optimization and Its applications. Springer Science Business Media, Boston, US. Mulvey, J. M., Vanderbei, R. J. & Zenios, S. A. (1995). Robust optimization of large-scale systems. Operations Research, 43, 264–281. McNeil, A. J., Frey, R. & Embrechts, P. (2005). Quantitative risk management. NorthAmerican Actuarial Journal, 10(2), 154. Parsopoulos, K. & Vrahatis, M. (2002). Particle swarm optimization method in multiobjective problems. Proceedings of the ACM Symposium on Applied Computing (SAC 2002), 603–607. Sharma, A., Utz, S. & Mehra, A. (2017). Omega-CVaR portfolio optimization and its worst case analysis. OR Spectrum, 39(2), 505–539. Shi , Y. & Eberhart, R. C. (1998). A modified particle swarm optimizer. Proceedings of IEEE International Conference on Evolutionary Computation, 69–73. Tütüncü, R. & Koenig, M. (2004). Robust asset allocation. Annuals of Operations Research, 132, 157–187. Xidonas, P., Mavrotas, G., Hassapis, C. & Zopounidis, C. (2017). Robust multiobjective portfolio optimization: A minimax regret approach. European Journal of Operational Research, 262(1), 299-305. Yoshida, H., Kawata, K. & Fukuyama, Y. (2001). A particle swarm optimisation for reactive power and voltage control considering voltage security assessment. IEEE Transaction on Power Systems, 15(4), 1232-1239. | ||
آمار تعداد مشاهده مقاله: 804 تعداد دریافت فایل اصل مقاله: 794 |