بهینه سازی سبد سهام تحت شرایط زیان گریزی در بورس تهران
محل انتشار: فصلنامه تحقیقات مالی، دوره: 27، شماره: 4
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 57
فایل این مقاله در 30 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JFR-27-4_001
تاریخ نمایه سازی: 11 بهمن 1404
چکیده مقاله:
هدف: در حوزه بهینه سازی پرتفوی سهام، در مطالعات گذشته، معیارهای ریسک مختلفی تحت عنوان «معیارهای کلاسیک ریسک» به کار گرفته شده است. برآورد صحیح مقدار ریسک پرتفوی و کنترل آن، در حفظ ثروت سرمایه گذاران نقش موثری دارد. عدم برآورد صحیح ریسک پرتفوی، یکی از مهم ترین دلایل بروز بحران های مالی در دهه های اخیر بوده است. مطابق با تئوری دورنما، سرمایه گذاران در قبال زیان، احساس عدم مطلوبیت بیشتری می کنند؛ بنابراین وزن بیشتری به زیان می دهند. این موضوع باعث می شود که شاخص های رایج ریسک، مانند ارزش در معرض ریسک، ریزش مورد انتظار، واریانس و...، ریسک را غالبا کمتر از حد برآورد کنند. این مطالعه به دنبال بررسی بهینه سازی پرتفوی سهام با رویکرد مالی رفتاری و تحت شرایط زیان گریزی در بورس اوراق بهادار تهران است و برای نخستین بار عملکرد این رویکرد با معیارهای مختلف ریسک در حوزه مالی کلاسیک (نظیر انحراف معیار، ریزش مورد انتظار، ارزش در معرض ریسک، ارزش در معرض ریسک شرطی، گشتاور ارزش در معرض ریسک، حداکثر زیان، آنتروپی و...) با در نظرگرفتن افق های زمانی مختلف (کوتاه مدت، میان مدت و بلندمدت) و با پرتفوی هایی با اندازه های مختلف (کوچک، متوسط و بزرگ) مقایسه شده است. روش: عملکرد معیار ریسک مبتنی بر زیان گریزی که بر اساس مدل فولگا (۲۰۱۶) طراحی شده است، به همراه ۱۱ معیار ریسک کلاسیک دیگر در بهینه سازی پرتفوی، با استفاده از داده های روزانه ۱۷۸ شرکت بورسی و با استفاده از آزمون های ناپارامتریک (آزمون کروسکال والیس و آزمون ویلکاکسون یک طرفه) و رویکرد مبتنی بر شبیه سازی ارزیابی شده است. مدل فولگا، با استفاده از معیار ریسک مبتنی بر بخش زیان بار توزیع بازدهی پرتفوی که به طور خاص رفتار سرمایه گذاران زیان گریز را شبیه سازی می کند، با در نظر گرفتن معیارهایی مانند ارزش در معرض ریسک شرطی (CVaR) و میزان انحراف منفی یا زیان بار از یک سطح مرجع (LPM)، ارزیابی دقیقی از ریسک را در چارچوب مالی رفتاری در بازارهای مالی ارائه می دهد. در این مطالعه، به جای اکتفا به بازدهی و ریسک پرتفوی سهام برای مقایسه عملکرد آن ها، از ۲۶ معیار مختلف برای این منظور استفاده شد. همچنین در این مطالعه از روش شبیه سازی تاریخی برای محاسبه معیارهای ریسک استفاده شده است؛ دلیل بهره گیری روش شبیه سازی تاریخی آن است که نخست، همه معیارهای ریسک استفاده شده در پژوهش حاضر این قابلیت را دارند که با استفاده از روش یاد شده محاسبه شوند. علت دوم استفاده از روش شبیه سازی تاریخی این است که روش یاد شده، هیچ پیش فرضی برای توزیع داده ها در نظر نمی گیرد و به همین دلیل نسبت به سایر روش های محاسبه ریسک برتر است. یافته ها: بسته به مقدار آستانه یا همان نقطه مرجع در تئوری دورنما، عملکرد معیار ریسک با لحاظ زیان گریزی می تواند متفاوت باشد. زمانی که مقدار آستانه از صفر بزرگتر یا مساوی با آن (معادل صفر درصد، ۲+ درصد و ۴+ درصد) است، معیار ریسک با لحاظ زیان گریزی نسبت به دیگر معیارها، به طور مطلق در بهینه سازی پرتفوی عملکرد بهتری دارد؛ اما در حالت هایی که مقدار آستانه ای منفی است (معادل ۲- درصد و ۴- درصد)، نسبت به سایر معیارها برتری خاصی ندارد. نتیجه گیری: در شرایطی که امکان برآورد پارامترهای ضریب زیان گریزی و مقدار آستانه ای وجود دارد، عملکرد معیار ریسک مبتنی بر مالی رفتاری (تحت شرایط زیان گریزی) در بهینه سازی پرتفوی در شرایط واقعی بازار (مقدار آستانه ای صفر یا بالاتر) بهتر از سایر معیارهای کلاسیک مالی است. همچنین زمانی که مقدار آستانه ای از صفر بزرگتر می شود، نتایج این مطالعه نشان می دهد که «انحراف معیار» نسبت به سایر معیارهای ریسک کلاسیک، عملکرد بهتری را از خود نشان می دهد.
کلیدواژه ها:
نویسندگان
محمدحسن ابراهیمی سرو علیا
دانشیار، گروه مالی و بانکداری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.
مسلم پیمانی فروشانی
دانشیار، گروه مالی و بانکداری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.
امیرحسین ارضاء
استادیار، گروه مالی و بانکداری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.
قاسم علی جمالی
دانشجوی دکتری، گروه مدیریت مالی، پردیس تحصیلات تکمیلی، دانشگاه علامه طباطبائی، 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 :