Portfolio selection by Using Multi Attribute Decision Making based on grey relational analysis and linear programming

Subject Areas : Financial Knowledge of Securities Analysis

A. Asghar Anvari Rostami ¹ , Mahdis Taghavi ² , M. Ebrahim Aghababaei ³

1 - Professor and Manager of Planning and Management Department of Tarbiat Modarres University. Tehran, Iran.
2 - M.A of Financial Management, Kharazmi University
3 - Assistant Professor of Financial Engineering, Kharazmi University

Received: 2016-08-27 Accepted : 2016-12-21 Published : 2018-06-22

Keywords: portfolio selection, Multi-criteria decision making, Shannon Entropy, Grey System Theory, linear programming model,

Abstract :

One of the most important challenges in the stock market for investors is selecting Portfolio. This study by considering the financial ratios as evaluating indicators tries to determine appropriate model for investment decisions in stocks. In this study, the combination of respectively models, linear regression, multi attribute decision making and linear programming were used to forecast the future of financial ratio trends, ranking companies and asset allocation. In the first step of study, after selecting 17 financial ratios and indicators as variables of the hybrid model, their values from the first quarter of 2007 to the first quarter of 2015 was calculated for companies included in the sample. Then by using the moving average with exogenous inputs and Auto Regressive Moving Average with exogenous input, these variables were predicted for the studied period (second quarter 2015). In the next step, we used Shannon entropy to determine the weight of indexes and the grey relational analysis for ranking companies. Finally, by using a linear programming model, a model was developed to select the optimal portfolio. According to this model, a portfolio of stocks formed and by using the Sharp ratio, its performance was compared with the overall index and the top 50 index. The results showed that the hybrid model has had a better performance than the overall index and the top 50 index, in the period of the study.

References:

*      اصغرپور، محمدجواد (1385)؛ تصمیم‌گیری‌های چندمعیاره، انتشارات دانشگاه تهران، تهران.

*      سینائی مهر، حمید (1392)؛ "الگوی بهینه سازی ترکیب پرتفوی سرمایه گذاری بیمه با رویکرد تئوری خاکستری و الگوریتم ژنتیک"، پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی واحد تهران مرکز، دانشکده مدیریت، گروه مدیریت بازرگانی

*      جباری، رامین؛ صالحی صدقیانی، جمشید؛ امیری، مقصود (1391)؛ "ارزیابی عملکرد و انتخاب پرتفوی از صندوق‌های سرمایه گذاری سهام"، مجله تحقیق در عملیات و کاربردهای آن، سال نهم، شماره اول.

*      رویایی، رمضانعلی؛ بشکوه، مهدی (1392)؛ "انتخاب سبد سهام بهینه با استفاده از رویکرد ترکیبی تئوری روابط خاکستری(GRA) و مدل برنامه ریزی خطی(مطالعه موردی: شرکت های سرمایه گذاری)"، نشریه تحقیقات حسابداری وحسابرسی، سال چهارم، شماره 19.

*      محمدی، علی؛  مرادی، لیلا (1391)؛ "کاربرد تئوری سیستم خاکستری در پیش بینی حوادث ترافیکی جاده ای در استان فارس". نشریه دانش انتظامی فارس، سال اول، شماره دوم و سوم.

*      محمدی، علی و مولایی، نبی (1389)؛ کاربرد تصمیم گیری چند معیاره خاکستری در ارزیابی عملکرد شرکت ها. فصلنامه مطالعات مدیریت صنعتی، دوره2، شماره4، 125-142

*      مؤتمنی، علیرضا؛ شریفی سلیم، علیرضا (1391)؛ "ارائه مدلی به منظور انتخاب سبد سهام در بورس اوراق بهادار تهران به وسیله تصمیم گیری چند معیاره (مطالعه موردی 50 شرکت برتر)"، مجله چشم‌انداز مدیریت صنعتی، 5 ، 73-89.

*      مهرگان، محمدرضا؛ دباغی، آزاده (1393)؛ توسعه روشی جامع برای تصمیم‌گیری چندشاخصه غیر قطعی مبتنی بر تحلیل رابطه‌ای خاکستری، مجله پژوهش‌های مدیریت عمومی، سال هفتم، شماره 23، 25-5

*      هیبتی، فرشاد؛ راهنمای رودپشتی، فریدون؛ افشارکاظمی، محمدعلی؛ عبیری، امیرحسین (1390)؛ "ارزیابی مدل گزینش سبد سهام با استفاده از فرآیند تحلیل سلسله مراتبی(AHP)، آنالیز رابطه‌ای خاکستری(GRA) و برنامه ریزی آرمانی(GP)"، مجله مهندسی مالی و مدیریت اوراق بهادار دانشگاه آزاد، شماره ششم.

*      Abraham, A., Nath, B., & Mohanthi, P. K. (2001). Hybrid intelligent systems for stock market analysis. In Vassil N. Alexandrov et al. (Eds.), Computational Science (pp. 337–345). USA: Springer-Verlag.

*      Chang, T.C., and Lin, S.J. (1999); Grey Relation Analysis of Carbon Dioxide Emissions from Industrial Production and Energy Uses in Taiwan, Journal of Environmental Management 56:247–257.

*      Chen Mei-Fang., Tzeng, Gwo Hshning (2004); combining grey relation and TOPSIS concepts for selecting an expatriate host country, Mathematical and Computer Modeling, 40, 1473-1490

*      Hsia, K.H.,  Wu, J.H. (1997); A study on the data preprocessing in Grey relational analysis, Journal of Chinese Grey System, 1, 47–53.

*      Hamzaçebi, Coşkun., Pekkaya, Mehmet (2011); Determining of stock investments with grey relational analysis, An International Journal of Expert Systems with Applications, Volume 38 Issue 8, Pages 9186-9195.

*      Huang, K.-Y., Jane, C.-J. (2009); A hybrid model for stock market forecasting and portfolio selection based on ARX, grey system and RS theories, Expert Systems with Applications, 36, 5387–5392.

*      Lesne, Annick (2011); Shannon entropy: a rigorous mathematical notion at the crossroads between probability, information theory, dynamical systems and statistical physics, mathematical Structures in Computer Science, Volume 24 , Special Issue 03 , (63 pages), Paris

*      Sharp, William F., Gordon J. Alexander., Jeffery V. Bailey (1999); Investments, 6th Ed. , Prentice-Hall

*      Wiecek M., Ehrgott M., Fadel G. and J. R. Figueira (2005). Multiple criteria decision making for engineering Omega,36,PP.337-339

Zhang, Xubo (2012); Venture Capital Investment Base on Grey Relational TheoryInternational Conference on Medical Physics and Biomedical Engineering, Physics Procedia,Volume 33, pp. 1825-1832.