مقایسه عملکرد میانگین با میانه و دیگر شاخص های ریسک در بهینه سازی سبد سهام

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 77

فایل این مقاله در 40 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JQE-20-1_004

تاریخ نمایه سازی: 27 آبان 1402

چکیده مقاله:

چکیده گسترده: معرفی: مدل بهینه­سازی سبد سهام مارکویتز دارای نواقصی است که از مهمترین آنها فرض نرمال بودن بازده سهام در بازار است. نرمال بودن بازده سهام بازارها در بسیار از مطالعات رد و نشان داده شده که در این صورت دیگر میانگین شاخص خوبی برای بیشینه­سازی نیست. میانگین تا حد زیادی تحت تاثیر مقادیر پرت با بازده خیلی بالا قرار دارد. مطالعات مختلف سه رویکرد متفاوت در مواجهه به این مشکل داشته­اند. دسته اول بطور کلی این روش و نظریه مدرن پورتفو را کنار گذاشته و برای بهینه­سازی پورتفولیو به استفاده از روش­های الگوریتمی ابتکاری روی آورده­اند. دسته دوم همچنان نظریه مدرن پورتفولیو را مهم و ارزشمند دانسته و آن را با تعدیلاتی به­کار می­گیرند. برخی تحت نظریه فرامدرن پورتفولیو بر ناکارایی واریانس به عنوان شاخصی از ریسک تمرکز داشته و شاخص­های دیگری را به کار گرفته­اند. برخی دیگر اما نه به اندازه­گیری ریسک که به تغییرات شدید پورتفوی بهینه در نتیجه تغییر مقادیر ورودی از آمارهای گذشته و استفاده از آماره­های استوار به­جای استفاده از گشتاورها تمرکز کرده­اند. و دسته سوم که صرفا با استفاده از دیگر متغیرها و پارامترها در بهینه­سازی به­جای میانگین و واریانس، تلاش داشته­اند از اشکالات مطرح شده اجتناب کنند. این مقاله در دسته سوم از مطالعات قرار داشته و به دنبال بکارگیری میانه به جای میانگین در بهینه­سازی سبد سهام است. هدف اصلی مقاله مقایسه عملکرد مدل­های بهینه­سازی میانگین و میانه است.   متدولوژی: در این راستا پنج مدل­های بیشینه­سازی میانه در کنار شاخص­های مختلف ریسک انحرافات مطلق (MAD)، ارزش در معرض ریسک (VaR)، متوسط ارزش در معرض ریسک (CVaR)، و حداکثر زیان (ML) ارائه و برای بهینه­سازی پورتفوی متشکل از داده­های واقعی بیست شرکت بورسی ایران از ابتدای سال ۲۰۱۶ تا انتهای سال ۲۰۱۹ به­کار گرفته شدند. شیوه کار به این صورت است که ابتدا هر یک از این مدل­ها در بهینه­سازی سبد برای دوره­ معین پنجاه روزه به­کار گرفته شده و وزن­های بهینه محاسبه می­شوند، سپس این وزن­ها برای دوره پنجاه روزه بعدی ثابت در نظر گرفته شده و پس از آن یک سبد دیگر محاسبه می­شود. در نهایت مقادیر متوسط و توزیع چندک­های بازده­ سبد­های بهینه بدست آمده از این مدل­های مختلف طبق این استراتژی با سه الگوی دیگر مدل بهینه­سازی میانگین بدون شاخصی از ریسک، مدل بهینه­سازی میانگین با شاخص ارزش در معرض ریسک و مدل پورتفوی با وزن­های یکسان (EqW) مقایسه شدند.   یافته­ها: نتایج بدست آمده حاکی از عملکرد بهتر میانه از نظر بازده است. مدل بیشینه­سازی میانه در بیشتر از ۷۱ درصد موارد بازده­های بالاتری کسب کرده و متوسط بازده سبد بهینه آن نیز بیشتر بوده است. این بدان معنی است که با بکارگیری میانه در بهینه­سازی و انباشت دارایی در طی زمان ارزش سبد بیشتری بدست خواهد آمد. علاوه بر این، مشاهده شد که مدل بهینه­سازی میانه از نظر متنوع­سازی نیز عملکرد بسیار خوبی دارد. درجه متنوع­سازی سبد در مدل­های مختلفی که با قیود ریسک مختلف یا بدون آن بدست آمده نشان می­دهد که بطور کل بهینه­سازی میانه به جای میانگین سبد متنوع­تری بدست خواهد داد. همچنین به­واسطه بکارگیری شاخص­های مختلف ریسک این امکان نیز فراهم شد تا عملکرد آن­ها از منظر کنترل ریسک و متنوع­سازی نیز مورد مقایسه قرار گیرد. طبق نتایج بدست آمده مشاهده شد که دو شاخص متوسط ارزش در معرض ریسک (CVaR) و انحرافات مطلق (MAD) در مقایسه با دیگر شاخص­های ریسک از لحاظ کنترل ریسک در دامنه پایین توزیع یعنی مقادیر زیان و همچنین به لحاظ متنوع­سازی عملکرد بسیار بهتری به همراه داشته­اند.   نتیجه: یافته­­های این مقاله بطور کل نشان می­دهند که میانه نسبت به میانگین و همچنین شاخص­های ریسک متوسط ارزش در معرض ریسک (CVaR) و انحرافات مطلق (MAD) به­لحاظ بیشینه­سازی بازده، کنترل ریسک و متنوع­سازی عملکرد بسیار بهتری به همراه داشته­اند.

کلیدواژه ها:

بهینه سازی سبد دارایی ، میانگین ، میانه ، متنوع سازی

نویسندگان

عباس خندان

استادیار اقتصاد، گروه اقتصاد امور عمومی، دانشکده اقتصاد، دانشگاه خوارزمی، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Ansari Mahabadi, S.; Massah Bavani, A.R. & Bagheri, A. (۲۰۱۸). ...
  • Azar, A., Yazdanian A. & Ghandehari M. (۲۰۱۹). Stock portfolio ...
  • Benati, S. (۲۰۱۵). Using medians in portfolio optimization. Journal of ...
  • Benati, S & Rizzi R. (۲۰۰۹). The optimal statistical median ...
  • Broadie, M. (۱۹۹۳). Computing efficient frontiers using estimated parameters. Annals ...
  • Chen, X.; Song, P.; Gao, K. & Qiao, Y. (۲۰۱۷). ...
  • Chen, J.M. (۲۰۱۶). A Four-Moment Capital Asset Pricing Model. In: ...
  • Cooper, L.; Evnine, J.; Finkelman, J.; Huntington, K. & Lynch, ...
  • Dai, W. (۲۰۱۸). Mean-Entropy Models for Uncertainty Portfolio Selection. In: ...
  • DeMiguel, V. & Nogales F.J. (۲۰۰۹). Portfolio selection with robust ...
  • DeMiguel, V., Garlappi L. & Uppal R. (۲۰۰۹). Optimal versus ...
  • Erfani, A. & Safari S. (۲۰۱۴). A study of return ...
  • Geambasu, C.; Sova, R.; Jianu, I. & Geambasu, L. (۲۰۱۳). ...
  • Gerber, S.; Markowitz, H. M & Pujara, P. (۲۰۱۵). Enhancing ...
  • Gupta, P., Mehlawat M. K. & Mittal G. (۲۰۱۲). Asset ...
  • Hu, J.; Harmsen, R.; Crijns-Graus, W. & Worrel, E. (۲۰۱۹). ...
  • Huang, D.; Zhou, J.; Li, B.; Hoi, S. C. H. ...
  • Huo, L., Kim T. H. & Kim Y. (۲۰۱۲). Robust ...
  • Jagannathan, R. & Ma T. (۲۰۰۳). Risk reduction in large ...
  • Kamali, S. (۲۰۱۴). Portfolio Optimization Using Particle Swarm Optimization and ...
  • Karandikar, R. (۲۰۱۲). Modelling in the Spirit of Markowitz Portfolio ...
  • Katterbauer, K., Oguz C. & Salman S. (۲۰۱۲). Hybrid adaptive ...
  • Li, J.Y.M. (۲۰۱۸). Technical Note—Closed-Form Solutions for Worst-Case Law Invariant ...
  • Markowitz, H. M. (۱۹۵۲). Portfolio selection. Journal of Finance ۷(۱): ...
  • Mercurio, P. J.; Wu, Y. & Xie, H. (۲۰۲۰). An ...
  • Ortobelli, S., Rachev, S. T., Stoyanov, S., Fabozzi, F. J., ...
  • Puerto, J.; Rodriguez-Madrena, M. & Scozzari, A. (۲۰۲۰). An application ...
  • Qiu, H., Han F., Liu H. & Caffo B. (۲۰۱۵). ...
  • Raei, R. & Nabizadeh A. (۲۰۱۳). Testing Stock Return Distribution ...
  • Rockafellar, R. T., & Uryasev, S. (۲۰۰۰). Optimization of conditional ...
  • Rom, B. M. & Ferguson, K. W. (۱۹۹۳). Post-Modern Portfolio ...
  • Rotela, P. (۲۰۱۷). Entropic Data Envelopment Analysis: A Diversification Approach ...
  • Schulmerich, M.; Leporcher, Y.M.; & Eu, C.H. (۲۰۱۵). Modern Portfolio ...
  • Shannon, C. (۱۹۴۸). A Mathematical Theory of Communication: Part ۱. ...
  • Sefiane, S. & Benbouziane M. (۲۰۱۲). Portfolio Selection Using Genetic Algorithm. Journal ...
  • Sornette, D. (۲۰۰۴). Why Stock Market Crash: Critical Events Is ...
  • Sortino, F. & Price, L. N. (۱۹۹۴). Performance Measurement in ...
  • Swisher, P. & Kasten, G.W. (۲۰۰۵). Post-modern portfolio theory. Journal ...
  • Taghizadeh Yazdi, M., Fallahpour, S. & Ahmadi Moghaddam, M. (۲۰۱۷). ...
  • Tukey, J. W. (۱۹۶۰). A survey of sampling from contaminated ...
  • Viswanathan, L. & Maheswaran S. (۲۰۱۷). An Investigation into non-normality ...
  • Yang, L., Couillet R. & McKay M. R. (۲۰۱۵). A Robust ...
  • Yanou, G. (۲۰۱۳). Extension of the random matrix theory to ...
  • Zhou, R. (۲۰۱۷). Properties of Risk Measures of Generalized Entropy ...
  • Zhu, H., Wang Y., Wang K. & Chen Y. (۲۰۱۱). ...
  • نمایش کامل مراجع