
تعداد نشریات | 162 |
تعداد شمارهها | 6,631 |
تعداد مقالات | 71,606 |
تعداد مشاهده مقاله | 127,043,914 |
تعداد دریافت فایل اصل مقاله | 100,025,555 |
پیادهسازی رویکرد استوار نسبی برای انتخاب پرتفوی بهینه در بورس اوراق بهادار تهران با استفاده از برنامهریزی مخروطی مرتبه دوم | ||
تحقیقات مالی | ||
دوره 24، شماره 2، 1401، صفحه 184-213 اصل مقاله (1.3 M) | ||
نوع مقاله: مقاله علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/frj.2021.316147.1007118 | ||
نویسندگان | ||
رضا راعی1؛ علی نمکی* 2؛ مومن احمدی3 | ||
1استاد، گروه مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. | ||
2استادیار، گروه مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. | ||
3کارشناس ارشد، گروه مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. | ||
چکیده | ||
هدف: هدف این پژوهش، بهکار بردن رویکرد استوار نسبی برای حداقلکردن حداکثر پشیمانی است. برای مواجهه با عدم قطعیت موجود در دادههای ورودی، مدل بهینهسازی پرتفوی مارکویتز با استفاده از بازآفرینی مدل مارکویتز، بهصورت مدل مخروطی مرتبه دوم در نظر گرفته شده است. پشیمانی را میتوان اختلاف بین جواب بهدستآمده از جواب بهینه، تحت یک دسته داده ورودیِ مشخص تعریف کرد. این رویکرد با استفاده از سناریوها، عدم قطعیت موجود در دادههای ورودی مدل را در نظر میگیرد. همچنین، برای مقایسه رویکرد استوار نسبی و مدل مارکویتز، از مدل بهینهسازی استوار پرتفوی برتسیماس و سیم استفاده شده است که عدم قطعیت را بهصورت فاصله در نظر میگیرد. روش: با استفاده از بازدهیهای سهام موجود در شاخص 50 شرکت فعالتر بورس اوراق بهادار تهران، از ابتدای سال 1395 تا انتهای سال 1397، وزنهای سهام موجود در پرتفویهای بهینه هر سه مدل برآورد شد و با استفاده از دادههای سال 1398، روی آنها آزمون بروننمونهای انجام گرفت. یافتهها: بر اساس یافتههای 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 میدهد. همچنین رویکرد استوار برتسیماس و سیم بر اساس وزنهای بهترین شارپ دروننمونهای، عملکرد بهتری از مدل مارکویتز داشته است. نتایج آزمونهای آماری، تفاوتی در عملکرد خارج از نمونهای بین دو رویکرد استوار نسبی و برتسیماس و سیم نشان نداده است. نتیجهگیری: نتایج حاضر نشان میدهد که رویکرد استوار نسبی در مقایسه با رویکرد میانگین واریانس، کمابیش میتواند برای بیشتر اشخاص با ترجیحات ریسک و بازده متفاوت، عملکرد بهتری داشته باشد. همچنین، رویکرد ارائهشده میتواند معیار ریسک جدیدی برای استفادهکنندگان ارائه دهد و در انتخاب پرتفوی بهینه مورد توجه قرار گیرد. بهعلاوه، افراد در انتخاب بین دو رویکرد استوار نسبی و استوار مطلق بیتفاوتاند. | ||
کلیدواژهها | ||
بهینهسازی پرتفوی؛ رویکرد استوار نسبی؛ حداقل حداکثر پشیمانی | ||
مراجع | ||
اسلامی بیدگلی، غلامرضا؛ سارنج، علیرضا (1387). انتخاب پرتفوی با استفاده از سه معیار میانگین بازدهی، انحراف معیار بازدهی و نقدشوندگی در بورس اوراق بهادار تهران. بررسیهای حسابداری و حسابرسی، 15(4)، 3-16.
باقری نقنه، عاطفه؛ داوودی، سید محمدرضا و میرصالحی بروجنی، وحید (1399). بهینهسازی استوار نسبی سبد سهام با در نظرگرفتن معیار پشیمانی. دومین کنفرانس بینالمللی نوآوری در مدیریت کسبوکار اقتصاد، تهران، ایران.
دیدار، حمزه؛ بیکی، خدیجه (1396). بررسی تأثیر کیفیت حاکمیت شرکتی بر رابطۀ بین ساختار سرمایه و مازاد بازده در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران. بررسیهای حسابداری و حسابرسی، 24(2)، 197-220.
راعی، رضا (1385). انتخاب سبد سرمایه ریسکی با استفاده از شبکههای عصبی. بررسیهای حسابداری و حسابرسی، 13(4)، 70- 83.
راعی، رضا؛ هاشمی، سید محمد امیر (1395). تخصیص دارایی استوار بر اساس پیشبینیهای روشهای اقتصادسنجی (ARMA و GARCH) و فرض عدم قطعیت بازده و کوواریانس. تحقیقات مالی، 18(3)، 415-436.
فلاحپور، سعید؛ تندنویس، فرید (1393). کاربرد مدل پایدار در انتخاب پرتفوی بهینه سهام. فصلنامه علمی پژوهشی دانش سرمایهگذاری، 3(10)، 67- 84.
References Bagheri Naghneh, A., Davoodi, S. M., & Mirsalehi Borojeni, V. (2020, September). Optimize the relative strength of the portfolio portfolio by taking into account the regret criteria. Paper presented at the second International Conference on innovations in Bussiness administration and Economics, Tehran, Iran. (in Persian) Bertsimas, D., & Sim, M. (2004). The price of robustness. Operations research, 52(1), 35-53. Bertsimas, D., & Thiele, A. (2006). Robust and Data-Driven Optimization: Modern Decision Making Under Uncertainty. Models, Methods, and Applications for Innovative Decision Making, (March), 95-122. Caçador, S. C., Godinho, P. M. C., & Dias, J. M. P. C. M. (2020). A minimax regret portfolio model based on the investor’s utility loss. Operational Research, 22, 449-484. Caçador, S., Dias, J. M., & Godinho, P. (2021). Portfolio selection under uncertainty: a new methodology for computing relative‐robust solutions. International Transactions in Operational Research, 28(3), 1296-1329. Cornuejols, G., Pena, J., & Tütüncü, R. (2018). Optimization methods in finance (2th Ed.). Cambridge University Press. Didar, H., & Beiki, K. (2017). Reviewing the Effect of Corporate Governance Quality on Relationship between Capital Structure and Additional Return on Companies Listed in Tehran Stock Exchang. Journal of the Iranian Accounting and Auditing Review, 24(2), 197-220. (in Persian) Eslami-Bidgoli, G., & Sarenj, A. (2009). Portfolio Selection Using Return Mean, Return Standard Deviation and Liquidity in Tehran Stock Exchange. Journal of the Iranian Accounting and Auditing Review, 15(4), 3-16. (in Persian) Fallahpour, S., & Tondnevis, F. (2014). Robust model for optimal portfolio selection. Investment science, 3(10), 67-84. (in Persian) Hauser, R., Krishnamurthy, V., & Tütüncü, R. (2013). Relative robust portfolio optimization. arXiv preprint arXiv:1305.0144. Kouvelis, P., & Yu, G. (1997). Robust Discrete Optimization and Its Applications. Springer Science & Business Media. Li, J., & Wang, L. (2020). A minimax regret approach for robust multi-objective portfolio selection problems with ellipsoidal uncertainty sets. Computers & Industrial Engineering, 147, 106646. Markowitz, H. (1952). Portfolio Selection. The Journal of Finance, 7(1), 77–91. Mohammadi, S. E., & Mohammadi, E. (2018). Robust portfolio optimization based on minimax regret approach in Tehran stock exchange market. Journal of Industrial and Systems Engineering, 11(Special issue: 14th International Industrial Engineering Conference), 51-62. MOSEK ApS. (2021, March 18). MOSEK Modeling Cookbook. Mosek. https://docs.mosek.com/modeling-cookbook/index.html Mulvey, J. M., Vanderbei, R. J., & Zenios, S. A. (2008). Robust Optimization of Large-Scale Systems. Operations Research, 43(2), 264-281. Raei, R. (2006). Risky Portfolio Selection through Neural Networks. Journal of the Iranian Accounting and Auditing Review, 13(4), 70-83. (in Persian) Raei, R., & Hashemi, S. M. A. (2016). Robust Asset Allocation Based on Forecasts of Econometric Methods (ARMA & GARCH) and Uncertainty for Return & Covariance. Financial Research Journal, 18(3), 415-436. (in Persian) Simões, G., McDonald, M., Williams, S., Fenn, D., & Hauser, R. (2018). Relative Robust Portfolio Optimization with benchmark regret. Quantitative Finance, 18(12), 1991–2003. Soyster, A. L. (1973). Convex Programming with Set-Inclusive Constraints and Applications to Inexact Linear Programming. Operations Research, 21(5), 1154–1157. Tütüncü, R. H., & Koenig, M. (2004). Robust asset allocation. Annals of Operations Research, 132(1), 157-187. Xidonas, P., Hassapis, C., Soulis, J., & Samitas, A. (2017). Robust minimum variance portfolio optimization modelling under scenario uncertainty. Economic Modelling, 64, 60-71. 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. | ||
آمار تعداد مشاهده مقاله: 782 تعداد دریافت فایل اصل مقاله: 615 |