بهینه سازی چند دوره ای پرتفولیو تحت شرایط عدم قطعیت با به کارگیری آنتروپی یاگر

نظریه پرتفولیو مدرن با معرفی مدل میانگین واریانس، اولین چارچوب نظری جهت تشکیل پرتفولیو را ایجاد کرد. در حالی که مدل میانگین واریانس به طور گسترده پایه نظری طیف وسیعی از مسائل این حوزه را تشکیل می دهد، ولی با این وجود به علت حساسیت بالا نسبت به پارامترهای ورودی و تمایل به انتخاب پرتفولیوهای متمرکز، از سوی پژوهشگران این حوزه مورد نقد قرار می گیرد. این پژوهش با در نظرگیری شکاف های مطرح شده و با هدف ارائه پاسخ و راه حل مناسب به آنها، مدل استوار میانگین واریانس آنتروپی را معرفی می کند. مدل استوار میانگین واریانس آنتروپی با به کارگیری بهینه سازی استوار سعی در کنترل ریسک ناشی از خطای تخمین دارد. از سوی دیگر و با در نظرگیری آنتروپی یاگر به عنوان سنجه تنوع پذیری، تلاش می کند تا با جلوگیری از تخصیص وزن متمرکز، میزان تنوع پرتفولیو بهینه را افزایش دهد. مدل پیشنهادی این پژوهش با ساختار چند دوره ای، در یک بازه ۱۸ ماهه مورد مطالعه قرار گرفته و عملکرد آن با استفاده از داده های تاریخی ۲۰ سهام برتر از شاخص S&P ۵۰۰ ارزیابی و اعتبارسنجی شده است. نتایج حاصل از مدل استوار میانگین واریانس آنتروپی در مقایسه با پرتفولیو هم وزن نشان می دهد که این مدل با وجود کسب بازدهی بالا و بسیار نزدیک به همتای خود، عملکرد چشمگیری از منظر مدیریت ریسک داشته و به خوبی از سرمایه تحت پوشش خود در روندهای نزولی محافظت کرده است.

کلیدواژه ها:

بهینه سازی پرتفولیو ، بهینه سازی استوار ، سنجه تنوع پذیری ، رویکرد چند دوره ای ، آنتروپی یاگر