بازنگری سبد سهام برای سرمایه گذاران خرد: مدلسازی و روش حل

الموضوعات : دانش سرمایه‌گذاری

امیرعباس نجفی ¹ , مژگان آقایی شیخ رضی ²

1 - دانشیار، گروه مهندسی مالی، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی(نویسنده مسئول)
2 - کارشناس ارشد مهندسی مالی، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی

تاريخ الإرسال : 01 الثلاثاء , شعبان, 1439 تاريخ التأكيد : 12 الثلاثاء , شوال, 1439 تاريخ الإصدار : 24 الإثنين , محرم, 1441

الکلمات المفتاحية: سبد سهام, بازنگری, سرمایه گذاران خرد, برنامه ریزی آرمانی الویت دار,

ملخص المقالة :

از مهمترین دغدغه‌های سرمایه‌گذاران در بازار سرمایه، کاهش ریسک سرمایه‌گذاری و رسیدن به یک بازده مطلوب می‌باشد. یکی از راه‌های کاهش ریسک سرمایه‌گذاری، تشکیل سبد سهام است؛ اما با توجه به تغییرات و تحرکات بازار، ترکیب این سبد ثابت باقی نمی‌ماند و لازم است همواره کنترل شده و مورد بازنگری واقع شود. به طور کلی سرمایه‌گذاران در بازار سرمایه به دو دسته تقسیم می‌شوند: سرمایه‎گذاران حقیقی (یا سرمایه‌گذاران خرد) و سرمایه‌گذاران حقوقی. تشکیل سبد سهام و همچنین بازنگری آن برای سرمایه‌گذاران خرد، نیازمند توجه به معیارها و محدودیت‌های مورد نظر آن‌هاست که در مدل‌های کلاسیک مالی نظیر مدل مارکویتز مورد توجه قرار نگرفته است. ازجمله این معیارها هزینه معاملاتی، سود تقسیمی، ریسک سیستماتیک و عدد صحیح بودن تعداد واحدهای معامله شده سهام می‌باشد. در این پژوهش، مدلی چند هدفه و جامع که دربرگیرنده اهداف و محدودیت‌های مدنظر سرمایه‌گذاران خرد می‌باشد، ارائه گردیده است. برای رسیدن به این مقصود، از برنامه‌ریزی آرمانی اولویت‌دار استفاده شده و یک مدل برنامه‌ریزی عدد صحیح برای بازنگری ارائه گردیده است. در نهایت نیز مدل ارائه شده در این پژوهش با داده‌های واقعی حل شده و نتایج آن مورد تحلیل قرار گرفته است.

المصادر:

• نجفی، ا.، فاضلی سبزوار، ا.، (2014). مدل دو هدفه بازنگری سبد ردیاب شاخص با لحاظ هزینه های معاملاتی و حل آن با الگوریتم های فرا ابتکاری. دانش مالی تحلیل اوراق بهادار, 7(24), 79-95.‎

*       Baule, R. (2010). Optimal portfolio selection for the small investor considering risk and transaction costs. OR spectrum, 32(1), 61-76.

*       Baumann, P., & Trautmann, N. (2013). Portfolio-optimization models for small investors. Mathematical Methods of Operations Research, 77(3), 345-356.

*       Charnes, A., & Cooper, W. W. (1959). Chance-constrained programming. Management science, 6(1), 73-79.

*       Charnes, A., & Cooper, W. W. (1963). Deterministic equivalents for optimizing and satisficing under chance constraints. Operations research, 11(1), 18-39.

*       Chu, A. T. W., Kalaba, R. E., & Spingarn, K. (1979). A comparison of two methods for determining the weights of belonging to fuzzy sets. Journal of Optimization theory and applications, 27(4), 531-538.

*       Fama, E. (1965). The behavior of stocks market prices. Journal of Business, 38: 34–105.

*       Fang, Y., Lai, K. K., & Wang, S. Y. (2006). Portfolio rebalancing model with transaction costs based on fuzzy decision theory. European Journal of Operational Research, 175(2), 879-893.

*       Glen, J. J. (2011). Mean-variance portfolio rebalancing with transaction costs and funding changes. Journal of the Operational Research Society, 62(4), 667-676.

*       Greenblatt, J. (2006) The Little Book That Beats the Market. John Wiley & Sons, Inc., Hoboken, US.

*       Guastaroba, G., Mansini, R., & Speranza, M. G. (2009). Models and simulations for portfolio rebalancing. Computational Economics, 33(3), 237-262.

*       Gupta, P., Mittal, G., & Mehlawat, M. K. (2013). Expected value multi objective portfolio rebalancing model with fuzzy parameters. Insurance: Mathematics and Economics, 52(2), 190-203.

*       Kandasamy, H. (2008) Portfolio Selection Under Various Risk Measures. A Dissertation Presented to the Graduate School of Clemson University.

*       Kumar, Pankaj, Geetanjali Panda, and U. C. Gupta. "Portfolio rebalancing model with transaction costs using interval optimization." OPSEARCH 52, no. 4 (2015): 827-860.

*       Kumar, P.C., Philippatos, G.C., Ezzell, J.R. (1978). Goal programming and the selection of portfolios by dual-purpose funds. The Journal of Finance, 33: 303–310.

*       Lee, S.M., Chesser, D.L. (1980). Goal Programming for Portfolio Selection, the Journal of Portfolio Management (Spring), 22–26.

*       Levary, R.R., Avery, M.L. (1984). On practical application of weighting equities in a portfolio via goal programming. Operation Research, 21:246–261.

*       Li, J., and Xu, J., 2007. A class of possibilistic portfolio selection model with interval coefficients and its application. Journal of Fuzzy Optimization Decision Making, 6, pp. 123–137.

*       Marasovic, B. and Babic, Z., 2011. Two-step multi-criteria model for selecting optimal portfolio. International Journal of Production Economics, 134 (1), pp. 58–66.

*       Markowitz, H. (1952). Portfolio selection. The journal of finance, 7(1), 77-91.

*       Pendaraki, K., Doumpos, M., and Zopounidis, C., 2004. Towards a goal programming methodology for constructing equity mutual fund portfolios. Journal of Asset Management, 4 (6), pp. 415–428.

*       Romero, C. (2004). A general structure of achievement function for a goal programming model. European Journal of Operational Research, 153(3), 675-686.

*       Saaty, T. L., (1980). The Analytic Hierarchy Process. McGraw-Hill, New York.

*       Sharma, H., and Sharma, D., 2006. A multi-objective decision-making approach for mutual fund portfolio. Journal of Business Economic Research, 4, pp. 13–24.

*       Woodside-Oriakhi, M., Lucas, C., & Beasley, J. E. (2013). Portfolio rebalancing with an investment horizon and transaction costs. Omega, 41(2), 406-420.

*       Yu, J. R., & Lee, W. Y. (2011). Portfolio rebalancing model using multiple criteria. European Journal of Operational Research, 209(2), 166-175.

*       Zhang, X., Zhang, W. G., & Cai, R. (2010). Portfolio adjusting optimization under credibility measures. Journal of Computational and Applied Mathematics, 234(5), 1458-1465.

*       Zhang, X., Zhang, W. G., & Xu, W. J. (2011). An optimization model of the portfolio adjusting problem with fuzzy return and a SMO algorithm. Expert Systems with Applications, 38(4), 3069-3074.