Portfolio Optimization Using Hierarchical and Denotation Clustering in Tehran Stock Exchange.

Subject Areas : Journal of Investment Knowledge

mojtaba  mirlohi ¹ (Assiatant Professor, Shahrood Univertsity of Technology, Sharood, Iran)
nima  mohammadi Todeshki ² (Ph.D. in finance, University of Tehtan Kish International Campus, Kish, Iran)

Received: 2018-05-28 Accepted : 2018-06-27 Published : 2020-08-22

Keywords: Hierarchical, Optimization, Clustering, portfolio, denotation,

Abstract :

The need to achieve optimal portfolio optimization criteria, which, in addition to the accuracy of investment decisions quickly, goes beyond academic needs, as investors, investment companies and investment managers need to reduce their investment losses, increase Risk-adjusted returns have always been discussed. However, it is very difficult to achieve a portfolio optimization method that fills the gap between applied requirements and theoretical models. Considering that one of the most important factors in achieving optimal returns is diversification. This research, with the theme of "Formation of optimal investment portfolio in Tehran Stock Exchange using hierarchical and K-means clustering methods", attempts to present a suitable method for portfolio optimization using market data and clustering. The result of this comparison will clarify the success rate of cluster optimization compared to the index portfolio.

References:

-        احمدپور، ا. و دیگران، (1388).«استفاده از مدل‌های تصمیم‌گیری چند شاخصه‌ای در انتخاب سهام(شرکت‌های دارویی پذیرفته شده در بورس اوراق بهادار تهران)»، فصلنامه بورس و اوراق بهادار تهران، سال 2، شماره 5. -        اسلامی‌بیدگلی غلامرضا، هیبتی فرشاد، رهنمای رودپشتی فریدون،(1388)، «تجزیه و تحلیل سرمایه‌گذاری و مدیریت سبد اوراق بهادار» چاپ سوم، تهران: انتشارات پژوهشکده امور اقتصادی، ترجمه کتاب: Investment Analysis & Portfolio Management  تألیف Frank k. reilly/Keith.C.Brown -        افشارکاظمی، محمدعلی، فلاح شمس، میرفیض، کارگز، مرضیه، (1392).«تدوین مدلی جدید برای بهینه‌سازی پرتفوی بورس با استفاده از روش مارکویتز و اصلاح آن توسط مدل کسینوس‌ها و حل آن توسط الگوریتم ژنتیک»،مجله مهندسی مالی و مدیریت اوراق بهادار، شماره هجدهم، بهار 1393. -        امیری،م. و دیگران،(1381).«کاربرد مدل فرآیند تحلیل سلسله‌مراتبی در تعیین معیارهای موثر بر انتخاب سهام در بورس اوراق بهادار تهران»، مجله برنامه و بودجه، شماره 77. -        انواری رستمی، علی اصغر و محسن ختن لو(1385).« بررسی مقایسه ای رتبه بندی شرکت‌های برتر بر اساس نسبت‌های سودآوری و شاخص‌های بورس اوراق بهادار تهران»، بررسی‌های حسابداری و حسابرسی، ش 43، صص 25-43. -        پهلوان، آریا، رمضانپور، اسماعیل، قلیزاده، محمدحسن(1391).« اولویت‌بندی عوامل موثر بر انتخاب سهام در بورس اوراق بهادار تهران با استفاده از فرآیند تحلیل شبکه‌ای فازی»، سومین کنفرانس ریاضیات مالی و کاربردها. -        تهرانی، رضا و سعید باجلان. (1388).« بررسی رابطه بین ویژگی‌های شرکت و موفقیت مال»، پژوهشنامه مدیریت اجرایی، ش1، صص 13-18. -        ثابتی، صالح، الهام(1388).« ارائه مدل تصمیم گیری چندمعیاره فازی برای رتبه بندی شرکتهای متقاضی تامین مالی بانک‌ها(مطالعه موردی: پنجاه شرکت برتر بورس اوراق بهادار تهران». مجموعه مقالات دومین کنفرانس بین المللی توسعه نظام تامین مالی در ایران، صص1-18. -        خدامرادی، سعید، ترابی گودرزی، محمد و راعی عزآبادی، محمدابراهیم،(1392).« رویکرد دو مرحله ریاضی در بهینه‌سازی سبد سهام». مجله مهندسی مالی و مدیریت پرتفوی. -        سپهر، ریحانه، محمدحسن مرادی، غنچه مشایخی، لاله کاردر و عطیه بامدادیان.(1386).«بررسی و مقایسه روش‌های مختلف خوشه بندی فازی تفکیکی مبتنی بر روش استاندارد خوشه بندی فازی FCM»، مجموعه مقالات هفتمین کنفرانس سیستم‌های فازی، دانشگاه فردوسی مشهد، صص1-5. -        طالبی، آرش،(1389) پایان‌نامه کارشناسی ارشد«انتخاب و بهینه‌سازی سبد سهام با استفاده از روش‌های فرا ابتکاری  و مقایسه‌ی آن با سبدهای تشکیلی خبرگان و تازه‌کارها در بازار بورس اوراق بهاهدار تهران»، دانشکده مدیریت دانشگاه صنعتی شاهرود. -        عسگریان، احسان، حسین معین‌زاده، محسن سریانی و جعفر حبیبی.(1386).«رویکرد جدید برای خوشه‌بندی فازی به وسیله الگوریتم ژنتیک»، مجموعه مقالات سیزدهمین کنفرانس ملی انجمن کامپیوتر ایران، صص 1-3. -        فرید داریوش، پورحمیدی، مسعودی،(1391).«بخش‌بندی سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از تحلیل خوشه‌ای فازی»، مجله پژوهش‌های حسابداری مالی، سال چهارم، شماره سوم، شماره پیاپی(13)، صص 12-105. -        فروغی، داریوش، مظاهری، اسماعیل،(1389)،« توانایی سود و جریان‌های نقدی عملیاتی در توضیح ارزش ذاتی تحقق یافته سهام شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران»، دو فصلنامه پژوهش‌های حسابداری مالی،شماره1-2. -        قائمی، محمدحسین و سعید طوسی.(1384).«بررسی عومل موثر بر بازده سهام عادی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران». پیام مدیریت،ش17 و 18، صص 6-9. -        کیانی، مائده، نبوی، سیدعلی،معماریان، عرفان،(1393).«بهینه‌سازی سبد سهام بر اساس حداقل سطح پذیرش ریسک کل و اجزای آن با استفاده از روش الگوریتم ژنتیک».فصلنامه علمی‌پژوهشی دانش سرمایه‌گذاری، سال سوم، شماره یازدهم.

 

 

 

 

 

 

 

 

• منابع خارجی

-          Alexander S, Coleman T F, Li Y. 2006. Minimizing cvar and var for portfolio of derivatives. Journal of Banking and Finance, 30(2):pp.538-605.

-          A. R. Webb, Statistical Pattern Recognition, John Wiley & Sons,2003

-          Basalto, N., Bellotti, R., De Carlo, F., Facchi, P., & Pascazio, S. (2005). Clustering stock market companies via chaotic map synchronization, Physica A, 345 (1-2), 196–206.

-          Beckwith, j., Stock Selection in Six Major Non –U.S. Markets. Journal of Investing. 7 (8), 29-44, 8001

-          Bertsimas Dimitris, Christopher Darnell and Robert Soucy, (1999) “Portfolio construction Through Mixed-Integer Programming at Grantham, Mayo, Van,Otterloo and Company”, ProQuest Science Journals, Interfaces 29 , pp

-          Chen Y, Mabu SH, HirasawaK. 2011. Genetic relation algorithm whit guided mution for the large – scale portfolio optimization” Expert System Whit Applications ,An International journal , pp.3353-3363.

-          Chi, Z., Yan, H., & Pham, T. (1996). Fuzzy algorithms: with applications to image processing and pattern recognition. Singapore: World Scientific Publishing Co. Pte. Ltd.

-          D’Ursoa, P., & Giordani, P. (2006). A weighted fuzzy c-means clustering model for fuzzy data. Computational Statistics & Data Analysis, 50 (6), 1496 – 1523.

-          Dobbins, Richard.; Witt. Stephen, F. & Fielding, John. (1994). Portfolio Theory and Investment Management. (2 nd ed). Massachusetts: Blackwell Publishers.

-          Doherty, K. A. J., Adams, R. G., Davey, N., & Pensuwon, W. (2005). Hierarchical Topological Clustering Learns Stock Market Sectors, ICSC Congress on Computational Intelligence Methods and Applications (pp. 1-6), Istanbul.

-          Edirisinghe, NCP & X Zhang, Portfolio selection under DEA-based relative financial strength indicators: case of US industries, Journal of the Operational Research Society, 57, 8002.

-          Elton, J.; Edwin & Grubr, J.; Martin. (1995). Simple Criteria for Optimal Portfolio Selection, Journal of Finance, 31 (5). 1341-1357.

-          Fan Cai, Nhien-An Le-Khac, M-Tahar K e chadi ,(2016). Clustering Approaches for Financial Data Analysis: a Survey,School of Computer Science & Informatics, University College Dublin, Ireland

-          Faugère, C., Shawky, H. A., & Smith, D. M. (2005). Characterizing value and growth investing in institutional portfolios. Retrieved from University at Albany : http://www.albany.edu/~faugere/

-          Grupe, F.H. & Jooste, S. (2004) Genetic Algorithms: A Business Perspective; Information Management & Computer Security, Vol. 12,o. 3, 289-298

-          Guneri A.F. et al, A fuzzy approach to shipyard location selection, Expert Systems and Applications, 26, 9778-9777, 8007.

-          J. Valente de Oliveira, J., & Pedrycz, W. (2007). Advances in fuzzy clustering and its applications. Chichester: John Wiley & Sons Ltd.

-          Janani and et al., Selection of Portfolio by using Multi Attributed Decision Making (Tehran Stock Exchange), American Journal of Scientific Research, Issue 44, pp. 15-87, 8018

-          Jose Figueira, Salvatore Greco and Matthias Ehrgott, MULTIPLE CRITERIA DECISION ANALYSIS: STATE OF THE ART SURVEYS, Springer, 8005

-          Kalyani, S., & Swarup, K. S. (2010). Supervised fuzzy c-means clustering technique for security assessment and classification in power systems. International Journal of Engineering, Science and Technology , 2 (3), 175-185

-          Konno H,Y amazaki H. 1991. Mean-absolute deviation portfolio optimization model and its applications to tokyo stock market. Management Science, 37(5):pp.519-531.

-          Levy H, Sarnat M. 1984. Portfolio and investment Selection, Prentice Hall.

-          Lhabitant, F. S. (2003). Evaluating hedge fund investments: the role of pure style indices. Retrieved from EDHEC-Risk Institute: http://www.edhec-risk.com/edhec_publications/RISKReview1083060929573713739/attachments/Barry%20HF%20VaR1%2009.02.04.pdf

-          Li, Jun, Jiuping Xu (2009) “A novel portfolio selection model in a hybrid uncertain environment”,omega the International Journal of Management Science,

-          Linsmeier T J, Pearson N D. 2000. Value at risk, Financial Analysts Journal,56(2):pp47-67.

-          LN,L,Cao,L And Zhang,c,(2007),Genetec A lgorithm for Optimization in Financial Applications,University Of Sydney ,Australia.

-          Markowitz H, 1952. Portfolio selection. Journal of Finance. 7: 77-91.

-          Markowitz H. 1991. Foundations of portfolio theory. Journal of Finance, 46(2):pp.469-477

-          Mitchel, M. (1999) An Introduction to Genetic Algorithms. Pacheco ,M,Vell asco,M, and lopez,c,(2006)cash flow planning AnD Optimization Through Genetic Algorithm Pontificia university,Brazill

-          Morris, V. B., & Morris, K. M. (2007). Standard & Poor's dictionary of financial terms. New York: Lightbulb Press.

-          Nanda, S.R., Mahanty, B., Tiwari, M.K. (2010). Clustering Indian stock market data for portfolio management. Expert Systems with Applications, 37 (12), 8793–8798.

-          Nikoomaram H, Hemmati H, 2012. Network Model based on Sharp and Trainer Ratio Analytical Power Evaluation to Benchmark the performance of Selected Portfolio. Investment Knowledge Research and Science Quarterly. 1: 125-146.

-          Ostermark R, 1996. A fuzzy control model (FCM) for dynamic portfolio management. Fuzzy Sets and Systems. 78: 243-254.

-          Rashidi, P., Analoui, M. (2007). Modified k-means algorithm for clustering stock market companies. 1st Iran Data Mining Conference (pp. 201-21), Tehran: Amir Kabir University.

-          Reilly F. et al. Investment Analysis and Portfolio Selection, 6d, ed., 8002.

-          ROBERT JOHNSON, LUC SOENEN, Indicators of Successful Companies, European Management Journal Vol. 81, No. 2, pp. 264–267, 8002.

-          Shin, H. W., Sohn, S. Y. (2004). Segmentation of stock trading customers according to potential value. Expert Systems with Applications, 27 (1), 27–33.

-          S quyres .J.G. A Quick Peek According to Graham and Dodd, Journal of Financial Statement Analysis, 92-72, fall, 1772.

-          Standard & Poor’s (S&P) Shariah style indices: index methodology. (2009). Retrieved from Standard & Poor's Financial Services LLC: www.styleindices.standardandpoors.com

-          Standard & Poor’s (S&P) U.S. style indices: index methodology. (2009). Retrieved from Standard & Poor's Financial Services LLC: www.styleindices.standardandpoors.com

-          Szilágyi, L., Szilágyi, S. M., & Benyó, Z. (2010). Analytical and numerical evaluation of the suppressed fuzzy c-means algorithm: a study on the competition in c-means clustering models. Soft Computing , 14 (5), 495–505.

-          Talebnia Gh, Fathi M, 2010. Comparative Evaluation Optimal Stock Portfolio Selection in Tehran Stock Exchange by Markowitz and Value-at-Risk Models. Financial Study Magazine. 6: 71-94.

-          Topaloglou N, Vladimirou H, Zenios SA, 2008. A dynamic stochastic programming model for international portfolio management. European Journal of Operational Research. 185: 1501-1524.

-          Valente de Oliveira, J., & Pedrycz, W. (2007). Advances in fuzzy clustering and its applications. Chichester: John Wiley & Sons Ltd.

-          Veerabathiran R., et al, Application of the Extent Analysis Method on fuzzy AHP, International Journal of Engineering Science and technology, Vol. 4, No. 09, July 8018.

-          Wang, X., Wang, Y., & Wang, L. (2004). Improving fuzzy c-means clustering based on feature-weight learning. Pattern Recognition Letters, 25 (2), 1123–1132.

-          Wen-Shiung Lee, Combined MCDM techniques for exploring stock selection based on Gordon model, Expert Systems with Applications, 8002.

-          Xia, Yusen.; Liu, Baoding., Wang, Shouyang. & Lai, K.K. (1999). A Model for Portfolio Selection with Order of Expected Returns, Computers & OperationsResearch, www.armaninvestment.com

-          Young, M.R. (1998). A Minimax – Portfolio Selection Rule with Linear Programming Soulotion, Management Science, 44. 673-683.