مدل تلفیقی چند هدفه و اقتصادسنجی جهت بهینه‌سازی پرتفوی سهام

الموضوعات :

عباس خادم پور آرانی ¹ , امیر رضا کیقبادی ² , مهدی معدنچی زاج ³ , غلامرضا زمردیان ⁴

1 - گروه مدیریت مالی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران.
2 - گروه حساربداری، دانشکده اقتصاد و حسابداری، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران.
3 - گروه مدیریت مالی،واحدالکترونیکی،دانشگاه آزاداسلامی،تهران،
4 - گروه مالی، دانشکده مدیریت، دانشگاه آزاد واحد تهران مرکزی، ایران

تاريخ الإرسال : 16 الأحد , رمضان, 1443 تاريخ التأكيد : 22 الثلاثاء , ذو القعدة, 1443 تاريخ الإصدار : 24 السبت , ذو الحجة, 1443

الکلمات المفتاحية: الگوریتم ژنتیک, اقتصادسنجی, ریسک نقدشوندگی, گارچ چند متغیره, واژه‌های کلیدی: پرتفوی بهینه,

ملخص المقالة :

چکیدهبرای رشد و توسعه کشورها، بنگاه ها و حتی افراد جامعه، سرمایه‌گذاری از جانب آنها امری ضروری و حیاتی است و برای بهره‌گیری و اثربخشی بیشتر، این سرمایه‌گذاری‌ها میبایست بهینه باشد. از زمان معرفی تئوری مارکویتز و حتی قبل از آن، مفهوم سرمایه‌گذاری بهینه به عنوان مصالحه‌ای بین ریسک و بازده، مورد توجه قرار گرفته بود. در طول چندین دهه بعد از آن، تعابیر و ابعاد جدیدی از معیارهای بهینه و خصوصاً ریسک مطرح شده است.در این مقاله سعی شده است با ارائه مدلی از ریسک نقدشوندگی با بهره‌گیری از مفهوم متنوع‌سازی در قالب آنتروپی شانون و رویکرد اقتصادسنجی، سبد بهینه‌ای از سرمایه گذاری با کمترین ریسک و بیشترین بازده، در قالب یک پرتفوی از 4 گروه صنعتی بورس تهران شامل گروههای فلزات اساسی، بانکها، فرآورده‌های نفتی و کانه‌های فلزی که بیشترین ارزش بازار بورس ایران را در اختیار دارند، ارائه شود.داده‌های آماری این پژوهش برای صنایع منتخب، شامل بازده شاخص قیمتی روزانه و بازده شکاف قیمتی روزانه در فاصله سال‌های 1395 تا پایان سال 1399 است. برای محاسبه ریسک نقدشوندگی، با استفاده از روشهای گارچ چند متغیره ، ماتریس واریانس-کوواریانس بازده شاخص قیمتی و شکاف قیمتی، محاسبه و در مدل ارائه شده، استفاده شده و نهایتاً وزن بهینه با استفاده از کد‌نویسی در نرم‌افزار متلب و استفاده از روش بهینه‌سازی الگوریتم ژنتیک رتبه‌بندی نامغلوب نسخه دوم ، برای صنایع منتخب محاسبه شده است.نتایج خروجی مدل نشان می‌دهند وزن بهینه گروه‌هایی که واریانس کمتری دارند در سبد بهینه بیشتر است. ضمن اینکه تاثیر حذف مفهوم نقدشوندگی از مدل منجر به افزایش وزن صنایعی می شود که نقدشوندگی کمتری دارند و به همراه افزایش ریسک، بازده پرتفوی بهینه نیز در این حالت افزایش می‌یابد. همچنین با حذف محدودیت شاخص متنوع‌‌سازی شانون، نتایج خروجی نشان می‌دهند این محدودیت تقریباً تاثیری بر اوزان بهینه (حداقل در این مدل) نمی‌گذارد.

المصادر:

فهرست منابع
اسلامی بیدگلی، غلامرضا و علیرضا سارنج، (1387)، "انتخاب پرتفوی با استفاده از سه معیار میانگین بازدهی، انحراف معیار بازدهی و نقدشوندگی در بورس اوراق بهادار تهران"، بررسی‌های حسابداری و حسابرسی، صص 3-16.
حاتمی، امین، تیمور محمدی، فرهاد خداداد کاشی و اصغر ابوالحسنی هستیانی، (1397)، “پویایی‌های نسبت بهینه پوشش ریسک در بازارهای سهام و طلا: رهیافت VAR-DCC-GARCH"، فصلنامه اقتصاد مالی، صص 73-92.
حکیمی پور، نادر، اسعداله رضایی و رضا نریمانی، (1392)، “کاربرد روش شبکه عصبی مصنوعی و مدل‌های واریانس ناهمسانی شرطی در محاسبه ارزش در معرض خطر"، فصلنامه علوم اقتصادی، سال هفتم، شماره بیست و چهارم. 
حیدری، حسن و احمد ملا بهرامی، (1389)، "بهینه سازی سبد سرمایه‌گذاری سهام بر اساس مدل‌های چند متغیره GARCH: شواهدی از بورس اوراق بهادار تهران"، تحقیقات مالی، دانشکده مدیریت دانشگاه تهران، صص 35-56.
رستمی، محمد رضا و فاطمه حقیقی، (1392)، "مقایسه عملکرد مدل‌های GARCH چند متغیره در تعیین ریسک پرتفوی"، تحقیقات مالی، دانشکده مدیریت دانشگاه تهران، صص 215-228.
رستمی، علی و نرگس نیک نیا، (1392)، "تأثیر متنوع سازی پرتفوی بر ارزش در معرض ریسک در بورس اوراق بهادار تهران"، فصلنامه علمی پژوهشی دانش سرمایه‌گذاری. 
سوری، علی، (1391)، "اقتصادسنجی (پیشرفته) همراه با کاربرد Eviews"، نشر فرهنگ شناسی.
شاهوردیانی، شادی و مهناز احدزاده نمین، (1397)، "ارزیابی مالی شرکت‌های بیمه خصوصی و دولتی با استفاده از روش تلفیقی کارای متقاطع و آنتروپی شانون"، مجله مهندسی مالی و مدیریت اوراق بهادار. 
شریف کریمی، محمد، مریم حیدریان و شهرام دهقان جبار آبادی، (1397)، "تحلیل اثرات سرریز بین بازارهای نفت و بورس اوراق بهادار تهران در طول مقیاسهای چندگانه زمانی(با استفاده از مدل VAR-GARCH-BEKK بر پایه موجک )"، فصلنامه اقتصاد مالی، صص 25-46.
عباسی نژاد، حسین، شاپور محمدی و سجاد ابراهیمی، (1393)، "مقایسه مدل های نوسان‌پذیری چند متغیره در برآورد رابطه بین نرخ ارز و شاخص سهام"، فصلنامـه علمی پژوهشی دانش سرمایه‌گـذاری، صص 35-56.
عرفانی، علیرضا و اکرم چرم گر، (1393)، "بررسی تأثیر نااطمینانی قیمت نفت بر متغیرهای اقتصاد کلان ایران: روش گارچ چندمتغیره با تصریح BEKK"،فصلنامه مطالعات اقتصاد انرژی، صص 129-147.
فلاح شمس، میر فیض و یعقوب پناهی، (1393)، “مقایسه کارایی مدل های خانواده GARCH در مدل‌سازی و اندازه‌گیری ریسک نقد شوندگی بورس اوراق بهادار تهران.” فصلنامـه علمی پژوهشی دانش سرمایه‌گـذاری. 
کیقبادی، امیر رضا و محمد احمدی، (1395)، "مقایسه کارایی روش‌های GARCH و ARCH در پیش‌بینی ارزش در معرض ریسک جهت انتخاب پرتفولیوی بهینه.” پژوهش‌های حسابداری مالی و حسابرسی، صص 63-82.
محمدی، تیمور، نعمت فلیحی و معصومه شاه کرم اوغلی، (1393)، "تحلیل تأثیر بازار بورس بین‌المللی بر بازار بورس ایران: استفاده از رهیافت سیستم دینامیکی و GARCH"، فصلنامه علوم اقتصادی. 
منصور فر، غلامرضا، حمزه دیدار و میرسعید محمدی، (1392)، "مقایسه رفتار سبد دارایی‌های بین‌المللی بهینه شده براساس مدل‌های مبتنی بر روش‌های همبستگی ثابت و شرطی پویا"، فصلنامه علمی- پژوهشی مدیریت دارایی و تامین مالی، صص 75-92.
مهدی زاده، صبا و پریسا ثابت، (1391)، "انتخاب بهینه سبد سرمایه بورسی صندوق بازنشستگی شرکت نفت با استفاده از مدل‌های مارکویتز و VaR"، سومین کنفرانس ریاضیات مالی و کاربردها. 
نادری, ابراهیم و علی اسماعیل زاده مقری, (1399)، "برآورد اختلاف قیمت پیشنهادی خریدوفروش سهام با استفاده از الگوریتم کلونی زنبورعسل مصنوعی( ABC)"، پژوهش های حسابداری مالی و حسابرسی، صص 121 تا 147.
نریمانی، احمد و رضا نریمانی، (1394)، "تحلیل سری‌های زمانی با استفاده از EViews و Matlab"، انتشارات ناقوس.
نوروزی نصر, حسین، مهدی مرادزاده فرد و اعظم شکری, (1398)، "تأثیر مالکیت شرکت‌های سرمایه‌گذاری بر نقدشوندگی سهام"، پژوهش‌های حسابداری مالی و حسابرسی، صص 23 تا 45.

Aktas, Cihan, and Orcan Cortuk. (2012), "Measurement of Liquidity-Adjusted Market Risk by VaR and Expected Shortfall: Evidence from Turkish Banks", Journal of Applied Finance & Banking, PP. 137-147.
Anil Bangia, Francis X. Diebold. (1998), "Modeling Liquidity Risk, With Implications for Traditional Market Risk Measurement and Management", (universiy of pennsylvania).
Bonga, Lumengo. (2018), "Assessing Portfolio Market Risk in the Brics Economies: Use of Multivariate GARCH Models", International Economics, PP. 87-128.
Botha, Marius. (2008), "Portfolio Liquidity-Adjusted Value-at-Risk", Financial Markets and Portfolio Management, PP. 203-215.
Christian Francq, Jean-Michel Zakoian. (2019), “GARCH Models : Structure, Statistical Inference, and Financial Applications”, A John Wiley and Sons, Ltd., Publication.
Chun Tsai, Chui, and Tsun Siou Lee. (2017), "Liquidity-Adjusted Value-at-Risk for TWSE Leverage/ Inverse ETFs: A Hellinger Distance Measure Research", Journal of Economics and Management PP. 53-81.
Dong, Lei, و Jay Cheung (2006 ),” Liquidity Adjusted Value-at-Risk for Portfolios of Assets”, Dissertation, Financial Risk Management Program.
Ebrahimi, Seyed Babak, and Seyed Morteza Emadi. (2017), "Portfolio Optimization for Retail Investors, with the Approach of Multivariate GARCH Models", International Journal of Industrial Engineering & Production Management PP. 149-160.
(2015), "Investment Portfolio Optimization with GARCH Models", ELK Asia Pacific Journal of Finance and Risk Management PP. 2325-2349.
Naimy, v. (2014), "Asset Liquidity Adjusted VaR", Journal of Business & Financial Affairs. 
Stange, Sebastian. (2009), “Market Liquidity Risk”, Dissertation- Technische Universität München.
Yilmaz, T. 2010. "Improving Portfolio Optimization By Dcc And Deco Garch Evidence From Istanbul Stock Exchange." Munich Personal Repec Archive.