انتخاب پرتفوی سهام بهینه ی سرمایه‌گذاران بر اساس تحلیل همبستگی کانونی برای شرکت‌های عضو بورس اوراق بهادار تهران

الموضوعات : دانش مالی تحلیل اوراق بهادار

سعید آقاسی ¹ (استادیار و عضو هیأت علمی دانشگاه آزاد اسلامی واحد دهاقان، ایران)
احسان آقاسی ² (دانشجوی کارشناسی ارشد مالی گرایش بانکداری، دانشگاه خاتم تهران، تهران، ایران)
سحر بیگلری ³ (کارشناس ارشد مدیریت مالی دانشگاه آزاد اسلامی واحد دهاقان، ایران.)

تاريخ الإرسال : 07 السبت , شعبان, 1437 تاريخ التأكيد : 28 الأربعاء , ذو القعدة, 1437 تاريخ الإصدار : 04 الجمعة , ربيع الثاني, 1439

الکلمات المفتاحية: بهینه سازی پرتفوی, بورس اوراق بهادار تهران, تحلیل همبستگی کانونی, نرخ روزانه بازدهی,

ملخص المقالة :

در سال های اخیر، بازارهای مالی و بالاخص بازار سرمایه در ایران گسترش قابل توجهی داشته است و تغییرات ناگهانی در سطوح بین‌المللی و کشور بر رفتار اقتصادی افراد و نوع پنداشت سرمایه گذاران از وضعیت بازارها تاثیر گذاشته است. در بهینه سازی سبد سهام مسئله اصلی انتخاب بهینه دارایی ها و اوراق بهاداری است که با مقدار مشخصی سرمایه می توان تهیه کرد. اگرچه کمینه کردن ریسک و بیشینه نمودن بازده سرمایه گذاری به نظر ساده می آید اما در عمل روش های متعددی برای تشکیل سبد بهینه به کار رفته است. در این پژوهش به تعیین پرتفوی بهینه بر اساس تحلیل همبستگی کانونی برروی شرکت های فعال تر در بورس اوراق بهادار تهران طی سال 1394 پرداخته شده است. روش پژوهش توصیفی- تحلیلی و نمونه آماری شامل بازده‌های تعدیلی روزانه 42 شرکت موجود در شاخص 50 شرکت برتر در دوره های سه ماهه می‌باشد. نتایج تحقیق بر اساس تحلیل همبستگی کانونی نشان داد، 42 شرکت نمونه در قالب دو زوج متغیر کانونی که هرکدام از ترکیبات خطی نرخ های روزانه بازدهی بودند، تعدیل شدند. نتایج حاکی از آن‌ است که از هر 1000 واحد پول، 469 واحد به عنوان اولین زوج متغیر کانونی بصورت ترکیب خطی از بانک ها و صنایع مبتنی‌بر فلزات اختصاص می‌یابد و 376 واحد بعنوان دومین زوج متغیر کانونی بصورت ترکیب خطی از موسسات سرمایه گذاری و صنایع نفتی و پتروشیمی اختصاص می‌یابد و 155 واحد باقی مانده به طور دلخواه در سایر صنایع اختصاص می‌یابد.

المصادر:

*      ابزری، مهدی و کتابی، سعیده و عباسی، عباس. (1384). بهینه سازی سبد سرمایه‌گذاری با استفاده از روش‌های برنامه ریزی خطی و ارایه یک مدل کاربردی. مجله علوم اجتماعی و انسانی دانشگاه شیراز. 1384. ش2.

*      اسلامی بیدگلی، غلامرضا. (1387). مدل های برنامه ریزی آرمانی در انتخاب پرتفوی بهینه. مجله تحقیقات مالی. س4.ش13و14. 1387

*      اسلامی بیدگلی، غلامرضا و طیبی ثانی، احسان. (1393). بهینه سازی سبد سرمایه گذاری بر اساس ارزش در معرض ریسک با استفاده از الگوریتم کلونی مورچگان. فصلنامه علمی پژوهشی دانش سرمایه گذاری. سال سوم. شماره دهم. تابستان 1393. 122-101. 

*      جونز، چارلز پی. (1382). مدیریت سرمایه گذاری، ترجمه: تهرانی، رضا و نوربخش، عسگر. تهران: انتشارات نگاه دانش.

*      جهانخانی، علی و پارسائیان ، علی. (1375). بورس اوراق بهادار. تهران‌: انتشارات دانشکده مدیریت دانشگاه تهران.

*      دیانتی دیلمی، زهرا و همکاران. (1390). بکارگیری تکنیک های تصمیم گیری چندمعیاره (تحلیل سلسله مراتبی و تاپسیس) در پیش بینی وضعیت آتی شرکتها در تابلوهای بورس اوراق بهادار تهران. مجله مهندسی مالی و مدیریت اوراق بهادار. 9. 203-181.

*      راعی، رضا و سعیدی، علی. (1390). مبانی مهندسی مالی و مدیریت ریسک. تهران: انتشارات سمت.

*      شاه علیزاده، محمد و معماریانی، عزیز اله. (1382). چارچوب ریاضی گزینش سبد سهام با اهداف چندگانه. بررسی های حسابداری و حسابرسی. 32. 102-83. 6. 119-93.

*      کرد، عایشه. (1390). انتخاب و بهینه سازی سبد سهام با استفاده از روش های فرا ابتکاری. پایان نامه کارشناسی ارشد. تهران: دانشگاه صنعتی شریف.

*      ماردیا کانتی، جان کنت، جان بی­بی. (1376). تحلیل چند متغیره. ترجمه: طباطبایی، محمد مهدی. تهران: انتشارات مرکز دانشگاهی.

*      متقی گلشن، آناهیتا، حسینی نسب، سید محمد ابراهیم و فرید روحانی، محمدرضا. (1388). بررسی الگوهای همبستگی دما، رطوبت و بارندگی در ایران با استفاده از تحلیل همبستگی کانونی.  مجله پژوهش های آماری ایران.

*      نیکومرام، هاشم و پورزمانی، زهرا. (1388). بررسی رابطه بین الگوهای پیش بینی بحران مالی. فصلنامه پژوهشنامه حسابداری مالی و حسابرسی. بهار 88. 80-61

*      Borsa Italiana, (2003). Monthly key figures. http/www.borsaita.it/it/mercati/hompage.monthly key figures.

*      Chang , T, -T, meade, Beasley, J.E.& sharaiha, Y.M.(2000). Hearistics for cordinary Gonstrained Portfolio Optimization Computer & perations research, 27,1271-1302.

*      Chekhlov .Alenei, vryasev. Stanislav. & zabarankin .Michael(2003) . Portfolio optimization with drawdown Constraints.

*      Chen,. Wynne,.Goulding,. Sandoz. (2000) The application of principal component  analysis and kernel density estimation to enhance process monitoring. Control Engineering Practice. 8, 531-543.

*      Department of Industrial and Systems Engineering University of Florida.

*      Dobbins .Richard., Witt .Stephen. F.& Fielding . John (1994) . Portfolio Theory and Investment Management (2 rd ed) . Massachusetts: Black well Pulishers.

*      Edirisinghe, NCP & X Zhang, (2008). Portfolio Selection Under Dea-Based Relative Financial Strength Indicators: Case Of Us Industries, Journal of the Operational Research Society, 59, PP. 31-51.

*      Elton . E.J. & Graber . M.J.(1995). Modern Portfolio Theory and investment analysis . New York: Wiley.

*      Farrell. L . James(1983) . Guide to Portfolio management (2 rd ed) . New York: Mc Graw – Hill Inc.

*      Golmakani Hamid Reza, Fazel Mehrshad (2011). Constrained portfolio selection using  Particle Swarm Optimization (PSO). Expert Systems with Applications (38), 8327 -8335

*      Gondzio,Jacek.&Grothey,Andereas.(2004).Solving Nonlinear portfolio optimization problems with the primal-Dual Interior point method

*      Houyen.A.Robert(1990).Modern Investment Theory .(2 rd ed) . New Jersy : Printice – Hall Inc.

*      Hube . K (1998) , " Investors Must Recall risk , Investing's Four Letter Word " , Wall Street Journal Interactive Edition, January 23.

*      Kenyon.M.C, savage . S & Ball .B(1999) Equivalence of Linear deviation about the mean obsolute deviation about mean objective functions. Operations Research Letters, 24.181-185.

*      Konno . H.& Wijayanayake , A (2001).Portfolio optimization problem under concave transaction costs and minimal transaction unit constraints. Math. Program. 89.233-250.

*      Konno .H.& H. Yamazaki.(1991) Mean –absolute deviation portfolio optimization model and its application to Tokyo Stock . Market. Management Science, 37.519-531.

*      Liu, J.; Drane, W.; Liu, X., & Wu, T. (2009). Examination of the relationships between environmental exposures to volatile organic compounds and biochemical liver tests: application of canonical correlation analysis. Env. Res, 109, 193–199.

*      Malacarne, R. L. (2014). Canonical Correlation Analysis, The Mathematica Journal, )161(, 1-22.

*      Markawits .H.(1987).Mean – Variance analysis in portfolio choice and capital Markets. New York: Basil Black Well.

*      Markowits .H, Todd.P, Xu.G.& Yamane .Y.(1993) .Computation of mean- Semivariance efficient sets by the critical Lion algorithm. Annals of operations Research , 45.307-317.

*      Mazuruse .P.(2014).  "Canonical correlation analysis: Macroeconomic variables versus stock returns",Journal of Financial Economic Policy, Vol. 6 Iss: 2, pp.179 - 196

*      Mishkin . S.Frederic & Ealeins .G.Stanley(2000). Financial Markets and Institutions .(3 rd ed)/New York: Addison Wesley.

*      Palmquist.Jonas, Uryasev . Stanislav. & Krokhmal Pavlo.(1999). Portfalio optimization with conditional Value – At- Risk objective and constraints. Research Report-14-99.

*      Thompson, B. (1984, April)" Canonical Correlation Analysis: An Annotated Bibliography" Paper Presented at Annual Meeting of the American Educational Research Association, New Orleans, LA.

*      Yamada, T. & Sugiyama, T. (2006). On the permutation test in canonical correlation analysis. Comput. Stat. Data. An. 50, 2111–2123