معصومه محمدپورمقدم - دانشجوی مدیریت مالی دانشگاه آزاد اسلامی قزوین
سهیلا مهدوی - دکتری اقتصاد مالی

با در نظر گرفتن محدودیت اولیه مدل مارکویتز در رابطه با فرض نرمال بودن توزیع بازده سهام، توجه به مدلهای جامعتر که گشتاورهای بالا را در بهینه سازی و تشکیل پرتفوی موردتوجه قرار میدهند، لازم است. در این پژوهش سعی شده است تا تاثیر کاربرد این نوع از مدلها در بهینهسازی سبد سهام مورد آزمون قرار گیرد . در این راستا، کلیه اطلاعات مربوط به بازدهی سهام ۲۴۰ شرکت از شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران برای دوره زمانی سالهای ۸۲ تا ۹۲ موردبررسی قرار گرفت. سهام با داده های بازده غیر نرمال با استفاده از تست جارکو برا (JB) شناسایی و سبدهای سهام با توزیع غیر نرمال بازده برمبنای سه مدل واریانس میانگین (MV)، میانگین واریانس چولگی (MVS) و میانگین واریانس چولگی کشیدگی (MVSK) تشکیل و مورد آزمون قرار گرفت. بهمنظور انتخاب درست وزن سهام یک الگوریتم مورداستفاده قرار گرفت. برای تعیین میزان مثمر ثمر بودن کاربرد گشتاورهای بالا در دستیابی به بازده، پیش بینی نتایج با استفاده از روش شبکه های عصب مصنوعی در نرمافزار MATLAB انجام شد. نتایج تحقیق بیانگر عملکرد بهتر مدلهای MVS و MVSK در مقایسه با مدل MV در تحقق هدف ارتقاء و بهینهسازی فرایند انتخاب و تشکیل سبد سهام است.

مدل مارکویتز- بازده غیر نرمال - پیشبینی بازده- شبکه های عصب مصنوعی- گشتاورهای بالا