ارائه مدل ترکیبی بهینه‌سازی سبد سهام با استفاده از فرایند تحلیل سلسله مراتبی،راه حل سازشی ترکیبی و مدل مارکویتز(مطالعه موردی بورس اوراق بهادار تهران)

الموضوعات : دانش سرمایه‌گذاری

نسیمه عبدی ¹ , مهدی مرادزاده فرد ² , حمید احمدزاده ³ , محمود خدام ⁴

1 - دانشجوی دکتری مهندسی مالی، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
2 - دانشیار گروه حسابداری، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
3 - استادیار گروه حسابداری، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
4 - استادیار گروه مدیریت مالی، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران

تاريخ الإرسال : 30 الجمعة , ربيع الأول, 1443 تاريخ التأكيد : 05 الأحد , رجب, 1443 تاريخ الإصدار : 09 الجمعة , جمادى الثانية, 1445

الکلمات المفتاحية: فرایند تحلیل سلسله مراتبی, راه‌حل سازشی ترکیبی, بهینه‌سازی سبد سهام, تصمیم‌گیری, مدل مارکویتز,

ملخص المقالة :

استفاده از معیارهای مؤثر و کارا در انتخاب سبد سرمایه‌گذاری می‌تواند بیشترین سودآوری را برای سرمایه‌گذاران خرد و کلان فراهم نماید. بنابراین انتخاب یک روش ترکیبی برای ایجاد سبد سهام که عملکرد بهتری را به نمایش بگذارد، ضروری به نظر می‌رسد. هدف از انجام این پژوهش، ارائه مدلی است که از ترکیب تکنیک‌های تصمیم‌گیری چندمعیاره با مدل مارکویتز، بتواند در بازه‌های زمانی متفاوت سبد بهینه‌ای را ایجاد کند تا سود سهامداران را به حداکثر برساند. مدل پیشنهادی در سه مرحله پیاده‌سازی شد. در مرحله اول با استفاده از فرایند تحلیل سلسله مراتبی طی بازه زمانی ابتدای خرداد 1395 تا ابتدای خرداد 1400، از میان صنایع فعال در بورس اوراق بهادار تهران ده صنعت برتر انتخاب گردید. در مرحله دوم با استفاده از تکنیک راه حل سازشی ترکیبی از بین صنایع منتخب، سه سبد سهام با بازه زمانی یک‌ماهه ،شش‌ماهه و یک‌ساله، انتخاب و در مرحله سوم بر اساس مدل مارکویتز مرز کارای سرمایه‌گذاری برای هر یک از سبدها رسم شد. نتایج پژوهش نشان داد، مدل ترکیبی ارائه‌شده بازدهی بیشتری را با توجه به ریسک در بازه‌های زمانی مختلف، نصیب سرمایه‌گذاران خواهد کرد.

المصادر:

• تاتایی، پیمان، نیکو مرام، هاشم، حافظ الکتب، اشکان (1400)، کاربرد نظریه بازی‌های همکارانه در بهینه‌سازی انتخاب سبد سهام. دانش سرمایه‌گذاری، شماره 39، صص563-584.


• سپهری، علی، جباری، حسین، قدرتی قزاآنی، پناهیان، حسین، تلفیق تصمیم‌گیری چند معیاره و بهینه‌سازی ریاضی، زمینه‌ای برای تصمیم‌گیری سرمایه‌ای، دانش سرمایه‌گذاری.


• Ackermann, F., Pohl, W., & Schmedders, K. (2017). Optimal and Naive Diversification in Currency Markets. Management Science, 63(10), 3347-3360.


• Ban, G.-Y., Karoui, N. E., & Lim, A. E. B. (2018). Machine Learning and Portfolio Optimization. Management Science, 64(3), 1136-1154.


• Bolster, P., & Warrick, S. (2008). Matching Investors with Suitable, Optimal and Investable Portfolios. The Journal of Wealth Management, 10(4), 53.


• Bolster, P. J., Janjigian, V., & Trahan, E. A. (1995). Determining Investor Suitability Using the Analytic Hierarchy Process. Financial Analysts Journal, 51(4), 63-75.


• Çela, E., Hafner, S., Mestel, R., & Pferschy, U. (2021). Mean-variance portfolio optimization based on ordinal information. Journal of Banking & Finance, 122, 105989.


• Markowitz. (1952). Portfolio selection. The Journal of Finance, 7(1), 77-91.


• Hagin, R. (1979). The Dow Jones-Irwin guide to modern portfolio theory: Irwin Professional Publishing.


• Huang, X. (2008). Mean-semivariance models for fuzzy portfolio selection. Journal of Computational and Applied Mathematics, 217(1), 1-8.


• Kim, J. H., Lee, Y., Kim, W. C., & Fabozzi, F. J. (2021). Mean–Variance Optimization for Asset Allocation. The Journal of Portfolio Management, 47(5), 24-40.


• Lai, H., Liao, H., Wen, Z., Zavadskas, E. K., & Al-Barakati, A. (2020). An Improved CoCoSo Method with a Maximum Variance Optimization Model for Cloud Service Provider Selection. Engineering Economics, 31(4), 411-424.


• Lynch Jr, J. G. (2011). Introduction to the journal of marketing research special interdisciplinary issue on consumer financial decision making. Journal of Marketing Research, 48(SPL), Siv-Sviii.


• Meziani, Aboubaker Seddik. "Assessing the Effect of Investment Barriers on International Capital Flows Using an Expert‐Driven System." Multinational Business Review (2003).


• Peng, X., & Luo, Z. (2021). Decision-making model for China’s stock market bubble warning: the CoCoSo with picture fuzzy information. Artificial Intelligence Review, 1-23.


• Saaty, T. L. (1977). A Scaling Method for Priorities in Hierarchical Structures. Journal of Mathematical Psychology, 15, 234-281.


• Saraoglu, H., & Detzler, M. L. (2002). A Sensible Mutual Fund Selection Model. Financial Analysts Journal, 58(3), 60-72.


• Seddik Meziani, A. (2003). Assessing the Effect of Investment Barriers on International Capital Flows Using an Expert‐Driven System. Multinational Business Review, 11(2), 49-74.


• Sivam, S., & Rajendran, R. (2020). On the Modelling of Integrated AHP and CoCoSo Approach for Robust Design of Multi-objective Optimization of thinning Parameters for Maximum thinning Rate and Determine Optimum Locations for Directionally-rolled Deep-drawn Cups using Scaling Laws.


• Wu, H., Zeng, Y., & Yao, H. (2014). Multi-period Markowitz's mean–variance portfolio selection with state-dependent exit probability. Economic modeling, 36, 69-78.


• Vásquez, J. A., Escobar, J. W., & Manotas, D. F. (2022). AHP–TOPSIS Methodology for Stock Portfolio Investments. Risks, 10(1), 4.


• Yazdani, M., Zarate, P., Kazimieras Zavadskas, E., & Turskis, Z. (2019). A combined compromise solution (CoCoSo) method for multi-criteria decision-making problems. Management Decision, 57(9), 2501-2519.


• Ledoit, O., & Wolf, M. (2017). Nonlinear Shrinkage of the Covariance Matrix for Portfolio Selection: Markowitz Meets Goldilocks. The Review of Financial Studies, 30(12), 4349-4388.


• Zhang, Y., Li, X., & Guo, S. (2018). Portfolio selection problems with Markowitz’s mean–variance framework: a review of literature. Fuzzy Optimization and Decision Making, 17(2), 125-158.