Relationship between risk and risk - aversion utility Based on Multi-Period prospect theory

Subject Areas : Journal of Investment Knowledge

RAZIEH Ahmadi ¹ , Adel Azar ² , gholam reza zomorodianS ³

1 - department of financial management, Central Tehran Branch, Islamic Azad University, Tehran, Iran,
2 - Department of Management, Faculty of Management and Economics, Tarbiat Modares, , Tehran, Iran
3 - department of financial management, Central Tehran Branch, Islamic Azad University, Tehran, Iran.

Received: 2021-11-09 Accepted : 2022-02-08 Published : 2023-06-22

Keywords: particle swarming optimization, loss aversion, multi- period optimization, Conditional Value at Risk,

Abstract :

The purpose of this study is to investigate the effect of loss-aversion behavior on multi-period investment decisions. For this purpose, two models of portfolio optimization have been designed. Instead of a single-period portfolio model, a three-period model has been used. In order to bring the optimization models closer to the real world, in addition to the CVaR as one of the main constraints, the transaction cost and the lower bound and upper bound investment in each asset are also considered. two models of loss aversion and mean-CVaR optimization were solved using PSO algorithm. Also, some important criteria such as initial loss aversion coefficient and reference point are used to test the robustness of model. The results based on the optimal wealth and Sharp ratio showed that loss-averse investors tend to concentrate most of their wealth and have a better performance than rational investors. The impact of CVaR on investment performance was identified. When the market is falling, investors with higher risk aversion avoid extreme losses and obtain more gains.

References:

• پور احمدی، زهرا؛ نجفی، امیر عباس(1394). بهینه سازی پویای سبد سرمایه گذاری با توجه به هزینه معاملات، مهندسی مالی و مدیریت اوراق بهادار، صص127-146


• تهرانی، رضا؛ نوربخش، عسگر(1396). الگوی تصمیم گیری تحت شرایط ریسک در بورس اوراق بهادار تهران مبتنی بر نقطه مرجع پویا. فصلنامه علمی پژوهشی مدیریت دارایی و تامین مالی. سال پنجم، دوره دوم، صص68-51


• رهنمای رودپشتی،فریدون؛ هیبتی، فرشاد؛ موسوی، سیدرضا(1391).بررسی الگوی ریاضی انتخاب پرتفوی سرمایه گذاری مبتنی بر مالی رفتاری. مجله مهندسی مالی و مدیریت اوراق بهادار.


• زنجیردار،مجید؛ صابری، مریم؛ موسوی، سیدرضا(1394). تبیین عوامل رفتاری انسان در انتخاب پرتفوی بهینه در مقایسه با مالی استاندارد. چشم انداز مدیریت مالی، پاییز 94، صص70-73.


• شیری قهی، امیر؛ دیده خانی، حسین؛ خلیلی دامغانی،کاوه؛ سعیدی، پرویز(1396).مطالعه تطبیقی مدل بهینه سازی پرتفوی چند دوره ای چند هدفه در محیط اعتبار فازی با معیار های متفاوت ریسک. راهبرد مدیریت مالی. صص26-1


• صادقی، ایرج.(1384) الگوریتم و فلوچارت، تهران، انتشارات ناقوس.


• محبی،نگین؛ نجفی،امیرعباس(1397). بهینه سازی سبد سرمایه گذاری چند دوره ای با رویکرد برنامه ریزی پویا،فصلنامه مطالعات مدیریت صنعتی، پاییز 1397، صص26-1


• مصلح شیرازی، علی نقی؛ نمازی، محمد؛ محمدی، علی؛ رجبی، احمد(1392).تئوری چشم انداز و مدلسازی الگوی تصمیم گیری مدیران در بخش صنعت. چشم انداز مدیریت صنعتی، تابستان 1392. صص 33-9


• میرجعفری، زینب السادات؛ دموری، داریوش؛ احمد خانی، مسعود(1395). تحلیل و بررسی عوامل رفتاری موثر بر عملکرد سرمایه گذاران حقیقی فعال در بورس اوراق بهادار تهران با استفاده از مدل معادلات ساختاری. کنفرانس بین المللی مدیریت، اقتصاد و حسابداری مالزی. 2016.


• نجفی، امیرعباس؛ موشخیان، سیامک(1393). مدلسازی و ارائه ی راه حل بهینه برای بهینه سازی سبد سرمایه گذاری چند دوره ای با الگوریتم ژنتیک. مجله مهندسی مالی و مدیریت اوراق بهادار.


• همائی فر، ساغر؛ روغنیان، عماد(1395). به کارگیری الگوهای بهینه سازی پایدار و برنامه ریزی آرمانی در مسئله انتخاب سبد سرمایه گذاری چند دوره ای. مهندسی مالی و مدیریت اوراق بهادار. صص 153-167.


• هیبتی، فرشاد؛ تقوی، مهدی؛ موسوی، سیدرضا (1393). ارزیابی تاثیر شاخص های کلاسیک و مدرن اندازه گیری ریسک بر انتخاب پرتفوی در چارچوب تئوری مالی رفتاری، فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار، سال هفتم، شماره بیست و یکم، بهار 1393.


• Barberis, N. Huang, M.  and T. Santos(2001), "Prospect theory and asset prices," Quart. J. Econ., vol. 116, no. 1, pp. 1–53, Feb.


• A, Kouwenberg.R, and Post.T(2004). "OPTIMAL PORTFOLIO CHOICE UNDER LOSS AVERSION", The Review of Economics and Statistics, November 2004, 86(4): 973–987


• Chang, M, Xu, Y, Fan, Y.(2018). " Algorithm Implementation and Research of Prospect Theory Portfolio Optimization Model " Advances in Economics, Business and Management Research, volume 68


• Carvalho, M. and Ludermir, T.B. (2007). Particle swarm optimization of neural network architectures and weights. Hybrid Intelligent Systems, 17-19 Sept. 2007.


• Cui, X. Gao J., Li, X. and D. Li, (2014)"Optimal multi-period mean–variance policy under no-shorting constraint,"Eur. J. Oper. Res., vol. 234, no. 2, pp. 459–468, Apr.


• Dupačová,J and Kopa,M(2014)." Robustness of optimal portfolios under risk and stochastic dominance constraints", European Journal of Operational Research 234(2):434–441.


• Fortin I. and Hlouskova, J. (2011)"Optimal asset allocation under linear loss aversion," J. Banking Finance, vol. 35, no. 11, pp. 2974–2990, Nov.


• Gomes, F. J. (2005)"Portfolio choice and trading volume with loss-averse investors," J. Bus., vol. 78, no. 2, pp. 675–706, Mar.


• N, Lucas.C & Date.P(2016)." Prospect theory–based portfolio optimization: an empirical study and analysis using intelligent algorithms " Quantitative Finance, DOI: 10.1080/14697688.2016.1149611.


• He ,X. D. and Zhou, X. Y. (2011) “Portfolio choice under cumulative prospect theory: An analytical treatment,” Manage. Sci., vol. 57, no. 2, pp. 315–331, Feb.


• Kahneman, D. and A. Tversky,(1979) "Prospect theory: An analysis of decision under risk," Econometrica, vol. 47, no. 2, pp. 263–291.


• Kolm, P. N, Tütüncü,    and F. J. Fabozzi, (2014)"60 years of portfolio optimization: Practical challenges and current trends," Eur. J. Oper. Res., vol. 234, no. 2, pp. 356–371, Apr.


• Lee B. and Veld-Merkoulova, Y. (2016). “Myopic loss aversion and stock investments: An empirical study of private investors,” J. Banking Finance, vol. 70, pp. 235–246, Sep.


• Levy, H. and Levy, M. (2003). "Prospect Theory and Mean-Variance Analysis", The Review of Financial Studies, Vol. 12, No. 7, pp. 1015-1071.


• Li D. and Ng, W.-L. (2000)."Optimal dynamic portfolio selection: Multiperiod mean-variance formulation," Math. Finance, vol. 10, no. 3, pp. 387–406, Jul.


• Liu, J , Jin,X , Wang,T , Yuan,Y (2015). " Robust multi-period portfolio model based on prospect theory and ALMV-PSO algorithm" journal of Expert Systems with Applications, No. of Pages 12.


• Markowitz, H. (1952) "Portfolio selection," J. Finance, vol. 7, no. 1, pp. 77–91, Mar. 1952.


• Parsopoulos,K; Vrahatis,M,(2010)," Particle Swarm Optimization and Intelligence: Advances and Applications"Science Publishing (IGI Global), Hershey, PA, U.S.A.


• Rockafellar R. T. and Uryasev, S. (2000). "Optimization of conditional valueat- risk,"J. Risk, vol. 29, no. 1, pp. 21–41


• w, (1963). "A simplified Model for portfolio analysis"management science,Vol9,pp.227-293.


• Üstün, B., et al.(2005) "Determination of OptimalSupport Vector Regression Parameters by Genetic Algorithms and Simplex Optimization", Analytica Chimica Acta, Vol.544, No.1, pp.292- 305.


• Yao J. and Li, D. (2013) ."Prospect theory and trading patterns," J. Banking Finance, vol. 37, no. 8, pp. 2793–2805, Aug.


• Zhang, W. Liu, Y.-J. and W.-J. Xu,(2012) "A possibilistic meansemivariance-entropy model for multi-period portfolio selection with transaction costs" Eur. J. Oper. Res., vol. 222, no. 2, pp. 341–349, Oct.