ارائه‌ی مدل برنامه ریزی استوار امکانی برای انتخاب سبد سهام بر مبنای نسبت شارپ

الموضوعات : دانش مالی تحلیل اوراق بهادار

مقصود امیری ¹ (استاد گروه مدیریت صنعتی دانشکده حسابداری و مدیریت دانشگاه علامه طباطبایی، تهران، ایران)
محمدسعید حیدری ² (دانشجوی دکترای مدیریت مالی دانشگاه علامه طباطبایی، تهران، ایران.)

تاريخ الإرسال : 15 السبت , شعبان, 1440 تاريخ التأكيد : 29 الإثنين , رمضان, 1440 تاريخ الإصدار : 05 الثلاثاء , صفر, 1442

الکلمات المفتاحية: برنامه‌ریزی استوار امکانی, نسبت شارپ, بهینه سازی سبد, بهینه سازی فازی,

ملخص المقالة :

مسئله انتخاب سبد[i] سرمایه‌گذاری یکی از مهم‌ترین مسائل در حوزه مالی است که در آن تلاش می شود تا در طول چند دورۀ زمانی بودجه مشخص‌شده را طوری بین دارایی ها توزیع نمود که بازده[ii] سبد[iii] سرمایه‌گذاری بیشینه و درعین‌حال ریسک آن از یک حد معین بیشتر نشود. در این مقاله ابتدا یک مدل برنامه ریزی[iv] ریاضی غیرخطی[v] مختلط برای مسئله‌ی انتخاب سبد سهام جهت بیشینه‌سازی نسبت های شارپ سهام پیشنهاد و آزمون شده است. سپس به واسطه ی طبیعت غیرقطعی پارامترهای ورودی چنین مسئله ای، یک مدل جدید برنامه ریزی امکانی استوار که قدرت تنظیم درجه استواری تصمیمات خروجی در برابر عدم قطعیت پارامترها را دارد، توسعه داده شده است. جهت بررسی عملکرد مدل، در ابتدا مدل پیشنهادی بر روی 42 شرکت فعال(دارای بیشترین تعداد روز معاملاتی) در بازار بورس اوراق بهادار تهران، در دوره زمانی بهار 1397تست و ارزیابی شده است. در پایان نتایج محاسباتی کارایی مدل پیشنهادی، کیفیت بالای عملکرد و کاربردی بودن مدل برنامه ریزی امکانی استوار پیشنهادی را نشان میدهد. [i] Portfolio selection [ii] return [iii] portfolio [iv] programming [v] Non linear

المصادر:

*      Alem, D. J., Morabito, R., (2012), "Production planning in furniture settings via robust optimization", Computers & Operations Research 39 (2),139-150.

*      ayub, Usman & Shah, Syed Zulfiqar Ali & Abbas, Qaisar, 2015. "Robust analysis for downside risk in portfolio management for a volatile stock market," Economic Modelling, Elsevier, vol. 44(C), pages 86-96.

*      Balbas, A., Balbas, B. and Balbas, R., “Good deals and benchmarks in robust portfolio selection”, European Journal of Operational Research,250(2), (2016), 666-678.

*      Ioannis Baltas, Anastasios Xepapadeas, Athanasios N. Yannacopoulos. “Robust portfolio decisions for financial institutions”. Journal of Dynamics & Games, 2018, 5 (2) : 61-94. Chang, T. J., Yang, S. C., & Chang, K. J. (2009)." Portfolio optimization problems in different risk measures using genetic algorithm". Expert Systems with Applications, 36(7), 10529-10537

*      Dantzig G, Infanger G (1993). “Multi-stage stochastic linear programs for portfolio optimization”. Ann. Oper. Res., 45(1): 59-76.

*      Elton, E. J., & Gruber, M. J. 1974. “On the optimality of some multiperiod portfolio selection criteria”. Journal of Business, 231-243.

*      Fan, A., & Palaniswami, M. 2001. “Stock selection using support vector machines. In Neural Networks”, 2001. Proceedings. IJCNN'01. International Joint Conference on (Vol. 3, pp. 1793-1798). IEEE.

*      Fabozzi Frank J., Woo Chang Kim and Jang Ho Kim “Deciphering robust portfolios” Journal of Banking & Finance, 2014, vol. 45, issue C, 1-8

*      Fabozzi، frank j. kolm، petter n. pachamanova، dessislava a. focardi، sergio m. 2007. “Robust Portfolio Optimization and Management” ، John Wiley & Sons، Inc.

*      Ghosh, Amitava Mahanti,Ambuj “Investment Portfolio Management: A Review from 2009 to 2014” Global Business and Social Science Research Conference 23 -24 June 2014

*      Haack, S., 1979. Do we need fuzzy logic? Int. J. Man Mach. Stud.11, 437–445.

*      Hakansson, N. H. 1971. “Multi-Period Mean-Variance Analysis: Toward A General Theory of Portfolio Choice”. The Journal of Finance, 26(4), 857-884.

*      Huang, K. Y. (2009). "Application of VPRS model with enhanced threshold parameter selection mechanism to automatic stock market forecasting and portfolio selection". Expert Systems with Applications, 36(9), 11652-11661

*      Kendall, G., & Su, Y. 2005. “A Particle Swarm Optimisation Approach in the Construction of Optimal Risky Portfolios”. In Artificial Intelligence and Applications (pp. 140-145).

*      lintner, J.  (1965), “The valuation of risk assets on the selection of   risky investments in stock portfolios and capital budgets”, Review of Economics and Statisti cs47: 13-37

*      Lin, P. C., & Ko, P. C. 2009. “Portfolio value-at-risk forecasting with GA-based extreme value theory”. Expert Systems with Applications, 36(2), 2503-2512.

*      Li, D., & Ng, W. L. 2000. “Optimal Dynamic Portfolio Selection: Multiperiod Mean‐Variance Formulation”. Mathematical Finance, 10(3), 387-406.

*      Loraschi, A., Tomassini, M., Tettamanzi, A., & Verda, P. 1995. “Distributed genetic algorithms with an application to portfolio selection problems”. In Artificial neural nets and genetic algorithms (pp. 384-387). Springer Vienna.

*      Markowitz,H. (1952) "Portfolio selection," Journal of Finance, 7(1), 77–91.

*      Montazer, G. A & Fasanghari, M. (2010). "Design and implementation of fuzzy expert system for Tehran Stock Exchange portfolio recommendation", Expert Systems with Applications, 37(9), 6138-6147.

*      Mossin, J. 1968. “Optimal multiperiod portfolio policies”. Journal of Business,41(2), 215.

*      Pishvaee, M.S., Razmi, J., and Torabi, S., (2012), "Robust possibilistic programming for socially responsible supply chain network design: A new approach", Fuzzy sets and systems 206, 1-20

*      Pishvaee, M.S., Khanjarpanah, H., (2017), “A fuzzy robust programming approach to multi-objective portfolio optimisation problem under uncertainty”, International Journal of Mathematics in Operational Research, 2018 Vol.12 No.1, pp.45 - 65

*      Sharpe, William, (1967)," Portfolio Analysis ", Journal of Financial and Quantitative Analysis, 2(2), 76-84

*      Sharpe, W. F.  (1964), “Capital asset prices:  A   theory of   market equilibrium under conditions of risk”, Journal of Finance19: 425-442.

*      Sharpe, W. F. 1967. “A linear programming algorithm for mutual fund portfolio selection”. Management Science, 13(7), 499-510.

*      Sharpe, w (1963)."a simplified model for portfolio analysis" management science, 9, 277-293

*      Samuelson, P. 1969. “Lifetime portfolio selection by dynamic stochastic programming”. The Review of Economics and Statistics, Vol. 51, No. 3 (Aug., 1969), pp. 239-246

*      S.J. Sadjadi, S.M. Seyedhosseini, Kh. Hassanlou (2011), " Fuzzy multi period portfolio selection with different rates for borrowing and Lending", Applied Soft Computing 11, 3821–3826

*      Soleimani, H., Golmakani, H. R., & Salimi, M. H. (2009). "Markowitz-based portfolio selection with minimum transaction lots, cardinality constraints and regarding sector capitalization using genetic algorithm". Expert Systems with Applications, 36(3), 5058-5063.

*      Tiryaki, F., & Ahlatcioglu, B. (2009). "Fuzzy portfolio selection using fuzzy analytic hierarchy process". Information Sciences, 179(1), 53-69.

*      TANAGA, H., GUO, P., TURKSEN, B., (2000). "Portfolio selection based on fuzzy probabilities and possibility distributions", Fuzzy sets and systems 111 (3), 387–397.

*      Xia, Y., Liu, B., Wang, S., & Lai, K. K. 2000. “A model for portfolio selection with order of expected returns”. Computers & Operations Research, 27(5), 409-422.

*      Woo ChangKim, Jang HoKim, Frank J.Fabozzi (2014), " Deciphering robust portfolios ", Journal of Banking & Finance 45, 1-8

*      Woo Chang Kim, Frank Fabozzi (2014), "Controlling portfolio skewness and kurtosis without directly optimizing third and fourth moments", Economics Letters, 122(2),  154-158

*      Zakamouline, V., & Koekebakker, S. 2009. “Portfolio performance evaluation with generalized Sharpe ratios: Beyond the mean and variance”. Journal of Banking & Finance, 33(7), 1242-1254.