طراحی و بهینه سازی سبد سهام استوار توزیعی بر اساس نسبت های کالمار و راچف

الموضوعات : فصلنامه تحلیل بازار سرمایه

منا بیرانوند ¹ (گروه مدیریت، واحد دهاقان، دانشگاه آزاد اسلامی، دهاقان، ایران.)
سید محمد رضا داودی ² (دانشیار گروه مدیریت، واحد دهاقان، دانشگاه آزاد اسلامی، دهاقان، ایران.)
محمدرضا شریفی قزوینی ³ (گروه مهندسی صنایع، واحد دهاقان، دانشگاه آزاد اسالمی، دهاقان، ایران.)

تاريخ الإرسال : 22 الأحد , شعبان, 1445 تاريخ التأكيد : 10 الثلاثاء , محرم, 1446 تاريخ الإصدار : 04 الخميس , صفر, 1446

الکلمات المفتاحية: نسبت کالمار, نسبت راچف, سبد استوار توزیعی, الگوریتم تجمعی ذرات,

ملخص المقالة :

سبد‌سهام استوار توزیعی، مسئله نااطمینانی سبد‌سهام، ناشی از تغییرات توزیع بازده سبد را بررسی می‌کند. در پژوهش حاضر هدف طراحی و بیشینه‌سازی سبد سهام استوار توزیعی براساس نسبت کالمار و نسبت راچف می‌باشد که از نسبت‌های پاداش-ریسک هستند و محاسبه آن‌ها به توزیع بازده سبد‌سهام وابسته است. نسبت های پاداش-ریسک با در نظر گرفتن همزمان بازده و ریسک برای سرمایه گذاران ریسک گریز اهمیت فراوانی دارد. استراتژی پژوهش برای استوار‌سازی پارامتر توزیع بازده، در نظر گرفتن تمام بازده‌هایی می‌باشد که در یک همسایگی از توزیع تجربی سبد قرار دارد که برای تعیین چنین توزیع‌هایی از معیارهای متریک واسرشتن و واگرایی کی-ال استفاده شده است. سبد نمونه‌ای پژوهش متشکل از 8 شاخص یا صنعت از بورس اوراق بهادار تهران با بیشترین حجم معاملاتی در بازه زمانی ابتدای 13۸۹ تا انتهای 1400 و در افق زمانی هفتگی می‌باشد. داده‌های تست به 5 دوره تقسیم شده است و برای ارزیابی نتایج سبد استوار توزیعی در مقایسه با سبد فاقد این خاصیت از حاصل تقسیم میانگین نسبت‌های کالمار و راچف در 5 دوره مذکور به انحراف معیار آنها استفاده شده است. نتایج بهینه‌سازی به کمک الگوریتم تجمعی ذرات نشان می‌دهد که سبد استوار توزیعی کالمار نسبت مذکور را به میزان 27/۱ بهبود می‌دهد و بعلاوه کمینه نسبت کالمار در 5 دوره در سبد استوار توزیعی نسبت به سبد فاقد این خاصیت بیشتر می‌باشد.همچنین سبد استوارتوزیعی راچف این نسبت را به میزان 40/۱ بهبود می‌دهد و بعلاوه کمینه نسبت راچف در 5 دوره در سبد استوار توزیعی نسبت به سبد فاقد این خاصیت بیشتر می‌باشد

المصادر:

حمیدیه٬علیرضا؛ کاویانی,میثم؛اخگری٬بهاره. (۱۴۰۲). بهینه‌سازی استوار پرتفوی تحت معیار ارزش در معرض ریسک شرطی ـ فاصله‎ ای (ICVaR) در بورس تهران. تحقیقات مالی, 25(3), 508-528.‎
حیدری، محمدسعید؛ ولیدی، جواد؛ ابراهیمی، سیدبابک. (1400). بهینه‌سازی سبدسهام مبتنی بر مدل برنامه ریزی امکانی استوار با استفاده از الگوریتم‌های ژنتیک و جهش قورباغه مخلوط شده، مهندسی مالی و مدیریت اوراق بهادار،12(47)، 564-586.
شیرکوند، سعید؛ فدائی، حمیدرضا. (1401). بهینه‌سازی سبدسهام استوار با به‌کارگیری مدل‌های چند متغیره و امگا- ارزش در معرض ریسک شرطی بر پایه ملاک حداقل حداکثر پشیمانی. تحقیقات مالی. 24(1)، 17-1.
Du, N., Liu, Y., & Liu, Y. (2020). A new data-driven distributionally robust portfolio optimization method based on wasserstein ambiguity set. IEEE Access, 9, 3174-3194.
‏Hosseini-Nodeh, Z., Khanjani-Shiraz, R., & Pardalos, P. M. (2022). Distributionally robust portfolio optimization with second-order stochastic dominance based on wasserstein metric. Information Sciences, 613, 828-852.
‏ Ji, R., Lejeune, M. A., & Fan, Z. (2022). Distributionally robust portfolio optimization with linearized STARR performance measure. Quantitative Finance, 22(1), 113-127.
‏ Kobayashi, K., Takano, Y., & Nakata, K. (2023). Cardinality-constrained distributionally robust portfolio optimization. European Journal of Operational Research, 309(3), 1173-1182.
‏ Li, J. Y. M. (2023). Wasserstein-Kelly Portfolios: A Robust Data-Driven Solution to Optimize Portfolio Growth. arXiv preprint arXiv:2302.13979.
‏ Zhang, X. (2022). Distributional Robust Portfolio Construction based on Investor Aversion. arXiv preprint arXiv:2203.13999.‏