کمینه کردن خطای ردیابی شاخص بر اساس تکنیک جداسازی کورمنابع

مساله ردیابی شاخص شامل تشکیل یک سبد سرمایه گذاری برای بدست آوردن بازدهی مشابه بازده بازار)شاخص بازار( می باشد. در این پژوهش با فرض این که بازده قیمت سهم ها از تعدادی متغیر پنهان تشکیل شده، با استفاده از آنالیز مولفه های مستقل که یکی از روش های جداسازی کورمنابع به شمار می آید، به تخمین این متغیرهای پنهان پرداخته شده است. بر اساس متغیرهای پنهان تخمینی، معیاریبه عنوان جفت اطلاعاتی برای اندازه گیری شباهت بین سهم ها ارائه و به منظور انتخاب تعداد معدودی سهم برای سبد سرمایه گذاری ردیابی شاخص، درخت پوشای کمینه ای بر مبنای این معیار بر شاخص S&P500 پیاده سازی گردیده است. برای ارزیابی عملکرد معیار جفت اطلاعاتی، مجموعه ای از سهم ها بر مبنای معیار همبستگی خطی نیز انتخاب و با استفاده از رگرسیون بردار پشتیبان دو گروه سهم های انتخابی به گونه ای که دارای کمترین ریسک عملیاتی باشند، وزن دهی شده اند. در نهایت با مقایسه نتایج خواهیم دید که سهم های انتخابی بر مبنای جفت اطلاعاتی دارای عملکرد بهتری نسبت سهم های انتخابی بر مبنای ضریب همبستگی خطی برای تشکیل سبد سرمایه گذاری ردیابی شاخص می باشد

کلیدواژه ها:

ردیابی شاخص بازار ، آنالیز مولفه های مستقل ، رگرسیون بردار پشتیبان