بهینه سازی پرتفو با استفاده از مدل مارکویتز تعدیل شده مبتنی بر مدلسازی CO-GARCH در قیاس با بازار

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 211

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SEJ-3-2_006

تاریخ نمایه سازی: 20 دی 1401

چکیده مقاله:

بهینه سازی پرتفوی و تصمیم گیری درباره اینکه کدام سهام شایستگی قرار گرفتن در سبد سرمایه گذاری را دارد و چگونگی تخصیص سرمایه، مباحثی پبچیده است. از لحاظ نظری، انتخاب سبد سهام در حالت حداقل کردن ریسک در صورت ثابت در نظر داشتن بازده از طریق یک معادله درجه دوم قابل حل است، لیکن در دنیای واقعی با توجه به اینکه رفتار بازار سهام از یک الگوی خطی پیروی نمی کند، روش های خطی رایج نیز نمی تواند در توصیف این رفتار مفید واقع شود. یک روش طبیعی برای لحاظ کردن محدودیتهای مبتنی بر زمان فرآیندهای گسسته، استفاده از مدل های خانواده GARCH است. مدل GARCH با زمان پیوسته (CO-GARCH) آنالوگ مستقیمی از GARCH با زمان گسسته است که ویژگی های اساسی فرایند مذکور را به روشی طبیعی تعمیم می دهد. مزیت دیگر مدل CO-GARCHاین است که ساختار مرتبه دوم آن شناخته شده و مشخص است. لذا در این پژوهش بهینه سازی پرتفوی با استفاده از مدل مارکویتز تعدیل شده مبتنی بر مدلسازی CO-GARCH در قیاس با بازار بررسی شده است. جامعه آماری پژوهش حاضر شامل اطلاعات شرکت های پذیرفته شده در بورس اوراق بهادار تهران برای دوره زمانی سال های ۱۳۹۰ تا ۱۳۹۹ بوده و نمونه آماری با استفاده از روش حذف سیستماتیک انتخاب گردید. ابتدا مدل بهینه سرمایه گذاری بر اساس مدل مارکویتز مبتنی بر مدلCO-GARCH ارائه شده و سپس با بازار مقایسه گردید. نتایج پژوهش حاکی از آن است که کارایی پرتفوی بهینه تشکیل شده با استفاده از مدل مارکویتز تعدیل شده مبتنی بر نوسانات CO-GARCH در مقایسه با کارایی بازار دارای تفاوت معناداری می باشد.

نویسندگان

فهیمه جهانیان

دانشجویی دکتری، دانشکده اقتصاد، حسابداری و مدیریت. واحد تبریز. دانشگاه آزاد اسلامی. تبریز. ایران

سید علی پایتختی اسکویی

دانشیار، دانشکده اقتصاد،حسابداری و مدیریت. واحد تبریز. دانشگاه آزاد اسلامی. تبریز. ایران

احمد محمدی

استادیار، دانشکده اقتصاد،حسابداری و مدیریت. واحد تبریز. دانشگاه آزاد اسلامی. تبریز. ایران

علی اصغر متقی

استادیار، دانشکده اقتصاد،حسابداری و مدیریت. واحد تبریز. دانشگاه آزاد اسلامی. تبریز. 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 :
  • Anagnostopoulos, K. & Mamanis, G. (۲۰۰۹). Multiobjective evolutionary lgorithms for ...
  • Behnamian, Javad and Moshrefi, Mohammad (۲۰۱۶). Presenting a hybrid algorithm ...
  • Bellman,R.E., & Zadeh, L. A. (۱۹۷۰). Decision-making in a fuzzy ...
  • Bhattacharyya, R., Hossain, S. A., & Kar, S. (۲۰۱۴). Fuzzy ...
  • Beni G, Wang J (۱۹۹۳) Swarm intelligence in cellular robotic ...
  • Cai L, Jin Y, Qi Q, Xu X (۲۰۱۸) A ...
  • Cesarone F, Tardella F (۲۰۱۷) Equal risk bounding is better ...
  • Chang, T, G., Yang, S, C., Chang, K.G., (۲۰۰۹), “portfolio ...
  • Chen, L. H., & Huang, L. (۲۰۰۹). Portfolio optimization of ...
  • Chen, L. & Pan, H. (۲۰۱۳). “Selection of stocks using ...
  • Deb, K., Agrawal, S., Pratap, A., & Meyarivan, T. (۲۰۰۰). ...
  • Didekhani, Hossein and Hojjati Ostani, Saeed (۲۰۱۵). Presenting a multi-objective ...
  • Dubois, D., & Prade, H. (۱۹۸۷). The mean value of ...
  • Dubois, D., & Prade, H. (۱۹۸۸). possibility theory: Approach to ...
  • Ebrahimi, Seyyed Babak; Jirofti, Amirsina and Abdi, Mateen (۲۰۱۷). Optimizing ...
  • Enea, M., & Piazza, T. (۲۰۰۴). Project selection by constrained ...
  • Fang, Y., Lai, K. K., & Wang, S. Y. (۲۰۰۶). ...
  • Giove, S., Funari, S., & Nardelli, C. (۲۰۰۶). An interval ...
  • Gupta, P., Inuiguchi, M., Mehlawat, M. K., & Mittal, G. ...
  • Gupta, P., Mehlawat, M. K., Inuiguchi, M., & Chandra, S. ...
  • Hao, f. f.,&Liu, Y. K. (۲۰۰۹). Mean-variance model for portfolio ...
  • Hasuike, T., Katagiri, H., & Ishii, H. (۲۰۰۷, July). Portfolio ...
  • Heilpern, S. (۱۹۹۲). The expected value of a fuzzy number. ...
  • Homaifar, Saghar and Roghanian, Emad (۲۰۱۵). Application of sustainable optimization ...
  • Jana, P., Roy, T. K., & Mazumder, S. K. (۲۰۰۹). ...
  • Kamdem, J. S., Deffo, C. T., & Fono, L. A. ...
  • Kiris, S. &Ustun, o. (۲۰۱۰). Fuzzy MCDM Approach of Stocks ...
  • Kung, J. Y., Chuang, T. N., & Ky, C. M. ...
  • Kwakernaak, H. (۱۹۷۸). Fuzzy random variables-I. Definitions and theorems. Information ...
  • Lai, K. K., Wang, S. Y., Xu, J. P., Zhu, ...
  • Li, J., & Xu, J. (۲۰۰۹). A novel portfolio selection ...
  • Li, X., Qin, Z., & Kar, S. (۲۰۱۰). Mean-variance-skewness model ...
  • Pakmaram, Asgar; Bahri Sales, Jamal and Waliollah, Mostafa (۲۰۱۶). Selection ...
  • Pun, C. S. (۲۰۱۸). Time-consistent mean-variance portfolio selection with only ...
  • Pour Ahmadi, Zahra and Najafi, Amir Abbas (۲۰۱۴). Dynamic optimization ...
  • Rubin, A., & Segal, D. (۲۰۱۵). The effects of economic ...
  • Rezaei, S., & Vaez-Ghasemi, M. (۲۰۲۰). A new Method for ...
  • Seltzer M (۲۰۱۸) Forbes, forbes magazine. www.forbe s.com/sites /forbe sfina ...
  • Shaolin. M, Jiangfeng. W, Zhequan. Y, Yiping. D, Bingheng. L, ...
  • Sinha, N. (۲۰۰۵). Growth, Inequality and Structural Adjustment: An Empirical ...
  • Stoilov, T., Stoilova, K., & Vladimirov, M. (۲۰۲۱). Explicit Value ...
  • Stuart A, Markowitz HM (۱۹۵۹) Portfolio selection: efficient diversification of ...
  • Teiletche J, Roncalli T, Maillard S (۲۰۱۰) The properties of ...
  • Wang, J., He, F., & Shi, X. (۲۰۱۹). Numerical solution ...
  • Xu, D., Ren, J., Dong, L., & Yang, Y. (۲۰۲۰). ...
  • Zhu SS, Li D, Sun X (۲۰۱۰) Portfolio selection with ...
  • Zhou, F., Wang, X., Goh, M., Zhou, L., & He, ...
  • نمایش کامل مراجع