بررسی تاثیر سیاست سرمایه گذاری بر دستیابی به هدف در طرح حساب بازنشستگی فردی

محورهای موضوعی : دانش سرمایه‌گذاری

محمد علی کمالی ¹ , عزت الله عباسیان ² , رضا تهرانی ³ , مجتبی میرلوحی ⁴

1 - دانشجوی دکتری مدیریت مالی پردیس البرز دانشگاه تهران، البرز، ایران
2 - دانشیار گروه اقتصاد دانشگاه بوعلی سینا همدان، همدان ، ایران
3 - استاد گروه مدیریت مالی دانشگاه تهران، تهران، ایران.
4 - استادیار گروه مدیریت صنعتی دانشگاه شاهرود، شاهرود، ایران

تاریخ دریافت : 1397/04/20 تاریخ پذیرش : 1397/07/15 تاریخ انتشار : 1399/09/01

کلید واژه: الگوریتم ژنتیک, تخصیص دارایی, طرح بازنشستگی فردی, سیاست سرمایه گذاری,

چکیده مقاله :

اتخاذ تصمیمات سرمایه گذاری صحیح در بلندمدت وابسته به سیاست سرمایه گذاری تعیین شده است. عمده اختلاف بازده سرمایه‌گذاری ها در طول زمان نیز ناشی از تفاوت در الگوی تخصیص دارایی ها است. با توجه به تاثیر سیاست سرمایه گذاری بر بازده سرمایه گذاری ها، در این پژوهش سیاست بهینه سرمایه گذاری بلندمدت توسط افراد در طرح حساب بازنشستگی فردی مورد بررسی قرار گرفته است.تامین درآمد مناسب در دوران بازنشستگی هدف مشارکت کنندگان طرح حساب بازنشستگی فردی است. دو سیاست بیشینه سازی ثروت در زمان بازنشستگی و بیشینه‌سازی مستمری در دوران بازنشستگی در طرح مزبور قابل اتخاذ است. در این پژوهش از الگوریتم ژنتیک در حل تابع های هدف مرتبط با سیاست های بیان شده با توجه به پیچیدگی محاسباتی آن ها استفاده شده است. مطابق نتایج پژوهش، سیاست بیشینه سازی مستمری در دوران بازنشستگی ماهیت انباشت بیشتر ثروت و کنترل مناسب تر نوسانات اقتصاد را دارد و به عنوان سیاست بهینه پیشنهاد شده است.

چکیده انگلیسی:

Adoption of suitable investment decisions depends on the long-term investment policy selected. Asset allocation has the most important role on investment return achieved during investment horizen. Considering the effect of investment policy, long-term optimal investment decisions in personal account plan has been investigated in this research. Providing suitable retirement income is the goal of such plan. Two functions including terminal wealth objective function and retirement income objective function are applied to investigate these decisions.According to the complexity of modeling in the aforementioned functions, the Metaheuristic Genetic algorithm has been used. The results are indicative of the importance of objective formulation selection. The retirement income objective function has the nature of more wealth accumulation and more control over economic and market turbulences through higher cooperation in investment and as a result it has been recommended as the optimal function.

منابع و مأخذ:

• اسکندری، حمید؛ پیرایش شیرازی­نژاد، حسین؛ باطبی، سولماز (1394). «مطالعه ساز و کار صندوق‌های بازنشستگی اختیاری». تهران: مدیریت تحقیق و توسعه شرکت بورس تهران.


• بدیعی، حسین؛ یوسفی، مهیار (1389). «مدیریت بهینه ریسک و برآورد مالی سیستم­های اقتصادی صنعتی و معدنی با استفاده از شبیه­سازی مونت­کارلو»، شماره 2، ص 116-99.


• پورموسی، علی­اکبر؛ خالقی، رضا؛ (1393). «ایجاد تعادل بین منابع و مصارف طرح­های بازنشستگی با استفاده از دانش اکچوئری»، فصلنامه علمی­ پژوهشی دانش سرمایه­گذاری، شماره 10.


• روغنی­زاده، مصطفی (1387). «چالش­های نظام بازنشستگی در جمهوری اسلامی ایران»، فصلنامه تامین اجتماعی، شماره 29، ص 13-31.


• شکوری، مرتضی (1388). «آثار تغییرات ساختار سنی جمعیت ایران بر صندوق­های بازنشستگی کشوری». تهران: صندوق بازنشستگی کشوری.


• عالم تبریز، اکبر؛ زندیه، مصطفی؛ محمد رحیمی، علی­رضا (1389). «الگوریتمهای فراابتکاری در بهینه­سازی ترکیبی». تهران: اشراقی،صفار.


• عبده تبریزی، حسین؛ رادپور، میثم (1390). «تجدید ساختار نظام تامین اجتماعی و بازنشستگی در جمهوری اسلامی ایران». تهران: انتشارات پیشبرد.


• فرتوک­زاده، حمیدرضا؛ رجبی نهوجی، میثم؛ بایرام زاده، سونا (1392). «بحران فزونی مصارف نسبت به منابع». مطالعات مدیریت راهبردی، شماره 15، ص 156-131.


• Antolín, P., Payet, S., Yermo, J., 2010. Assessing default investment strategies in defined contribution pension plans. In: OECD Working Papers on Finance, Insurance and Private Pensions. No. 2. OECD Publishing. Association of Superannuation Funds of Australia, 2014. The ASFA Retirement December 2013. Australian Government Actuary, 2009. Australian Life Tables 2005-07.


• Basu, A.K., Byrne, A., Drew, M.E., 2011. Dynamic lifecycle strategies for target date. J. Portf. Manag. 37 (2), 83–96.


• Blake, D., Wright, D., Zhang, Y., 2011. Target-driven investing: Optimal investment strategies in defined contribution pension plans under loss aversion. J. Econom. Dynam. Control 37 (1), 195–209.


• Butt, A., Deng, Z., 2012. Investment strategies in retirement: in the presence of a means-tested government pension. J. Pension Econ. Finance 11 (2), 151–181.


• Butt, A., Khemka, G., 2015. The effect of objective formulation on retirement decision making. J. Insurance Math. Econom. 64, 385–395.


• Finke, R., Wolf, R. (Eds.), 2013. Allianz International Pensions Country Factsheets 2013. Alliance SE.


• Gerrard, R., Haberman, S., Vigna, E., 2004. Optimal investment choices postretirement in a defined contribution pension scheme. Insurance Math. Econom. 35, 321–342.


• Giamouridis, D., Sakkas, A., Tessaromatis, N., 2017. Dynamic asset allocation with liabilities. European Financial Management. 23(2), 254-291.


• Haberman, S., Vigna, E., 2002. Optimal investment strategies and risk measures in defined contribution pension schemes. Insurance Math. Econom. 31, 35–69.


• Hoffmeister, F., and Schwefel, H. −P. 1991. A survey of evolution strategies. In R. K. Belew and L.B. Booker, eds., Proceedings of the Fourth International Conference on Genetic Algorithms. Morgan Kaufmann.


• Holland, J. H. 1975. Adaptation in Natural and Artificial Systems. University of Michigan Press. (Second edition: MIT Press, 1992.)


• Horneff, V., Mitchell, O.S., Maurer, R., Rogalla, R., 2013. Optimal life cycle portfolio choice with variable annuities offering liquidity and investment downside protection. Pension Research Council, Working Paper 2013-04.


• Kopcke, R.W., Webb, A., Hurwitz, J., Li, Z., 2013. Rethinking optimal wealth accumulation and decumulation in the wake of the financial crisis. Centre for Retirement Research Working Paper 2013-1.


• Korn, R., Siu, T.K., Zhang, A., 2011. Asset allocation for a DC pension fund under regime switching environment. Eur. Actuar. J. 1 (2), S362–S377.


• Kremer, A., Liese, F., Homölle, S., Clausen, J., 2014. Optimal consumption and portfolio choice of retirees with longevity risk. J. Pension Econ. Finance 13 (3), 227–249.


• Mladina, P. 2016., Optimal Lifetime Asset Allocation with Goals-Based, Lifecycle Glide Paths. J. Wealth Management 19(1), 10-22.


• Pirvu, T.A., Zhang, H., 2012. Optimal investment, consumption and life insurance under mean-reverting returns: The complete market solution. Insurance Math. Econom. 51, 303–309. Retirement Incomes Working Group, 2013. Post retirement funding in Australia. Presented to the Actuaries Summit, 20–21 May, 2013.


• Samuelson, P.A., 1969. Lifetime portfolio selection by dynamic stochastic programming. Rev. Econ. Stat. 51 (3), 239–246. Steinorth, P., Mitchell, O.S., 2012. Valuing variable annuities with guaranteed minimum lifetime withdrawal benefits. Pension Research Council, Working Paper 2012-03.


• Shen, Y. and M. Sherris., 2018., Lifetime asset allocation with idiosyncratic and systematic mortality risks., Scandinavian Actuarial Journal 2018(4), 294-327.


• Steinorth, P., Mitchell, O.S., 2012. Valuing variable annuities with guaranteed minimum lifetime withdrawal benefits. Pension Research Council, Working Paper 2012-03.


• Van Wyk, B., 2012. Introducing a retirement benefit target. Presented to the Joint IACA, IAAHS and PBSS Colloquium, Hong Kong, 2012.


• Vigna, E., Haberman, S., 2001. Optimal investment strategy for defined contribution pension schemes. Insurance Math. Econom. 28, 233–262.


• Yao, H., Li, X., Hao, Z., Li, Y., 2016., Multi-period defined contribution pension funds investment management with regime-switching and mortality risk., Insurance Math. Econom. 71, 103-113.


• Yao, H., Lai, Y., Ma, Q., Jian, M., 2014. Asset allocation for a DC pension fund with stochastic income and mortality risk: A multi-period mean–variance framework. Insurance Math. Econom. 54, 84–92.


• Zeng, Y., Li, D., Chen, Z., Yang, Z., 2018., Ambiguity aversion and optimal derivative-based pension investment with stochastic income and volatility. J. Economic Dynamics and Control 88, 70-103