Ranking of mutual funds in Iran based on favorable and unfavorable risk criteria

Subject Areas : Journal of Investment Knowledge

Mohammad Reza Mehrabanpour ¹ , Mohammad Safaei ² , Roya Samimi Nezhad ³ , Reza Noohi ⁴

1 - Assistant Professor, University of Tehran, Iran (Corresponding Author)
2 - Ph.D. student of financial management of Tehran University
3 - Master of Financial Management, University of Tehran
4 - Master of Financial Management, Kharazmi University

Received: 2016-05-26 Accepted : 2016-09-17 Published : 2017-12-22

Keywords: Investment funds, investment fund rankings, favorable and unfavorable risk,

Abstract :

Due to the fact that the rating of mutual funds creates an unbearable impact on the public interest in order to request the issuance or revocation of investment units, the proper assessment of the relevant ratings is very important. One of the factors that should be considered in ranking is attention to different risk assessment criteria. In this study, we used information from 112 investment funds in the period from April 2012 to March 2013 based on ten criteria including Sharp criterion criteria, Trainer criteria, Jensen alpha standard, M2 benchmark, AR criterion, Moderator trainer standard, Jsen Alfa standard adjustment The Omega benchmark, the Sortino benchmark and the UPR, the investment fund rankings have been made. Over the period, the Iranian capital market has experienced a sharp increase in both growth and decline and, as a result, The basis for the desired and undesirable risk criteria is the ability of a fund to flourish It also showed up during the recession. Attention to the favorable and undesirable risk over this period greatly increases the ability to rely on the results of the research and can add to the research's sustainability.

References:

*       اسلامی بیدگلی غلامرضا، تهرانی رضا و شیرازیان زهرا، بررسی رابطه­ی میان عملکرد شرکت­های سرمایه­گذاری بر اساس سه شاخص ترینر، جنسن و شارپ با اندازه (ارزش بازاری) و نقدشوندگی آن­ها. نشریه تحقیقات مالی دانشگاه تهران، شماره 19- بهار و تابستان 1384.

*       www.seo.ir (سایت رسمی سازمان بورس و اوراق بهادار)

*       خدایی وله زاقرد، محمد و فولادوندنیا، الهام(1389)، ارزیابی عملکرد مدیریت پرتفوی با تاکید بر چارچوب ریسک نامطلوب در شرکت های سرمایه گذاری پذیرفته شده در بورس اوراق بهادار. مطالعات مالی، 5، 67-90.

*       روشنگر زاده امین؛ احمدی محمد رمضان، بررسی عملکرد صندوق های سرمایه­گذاری بر اساس معیارهای مبتنی بر تئوری فرامدرن پرتفوی و ارتباط بین رتبه­بندی آنها با معیارهای مدرن پرتفوی، مجله پژوهش­های حسابداری مالی، 143-160.

*       سعیدی، علی؛ مقدسیان، ایمان.(1389) ارزیابی عملکرد صندوق­های سرمایه­گذاری در سهام در ایران. بورس اوراق بهادار،9،5-24.

*       صفرپور، م (1386) بررسی تاثیر دوره سرمایه گذاری بر عملکرد شرکت های سرمکایه گذاری پذیرفته شده در بورس اوراق بهادار، بررسی های حسابداری و حسابرسی،50، 99-118.

*       ﺻﻔﺮی، ﻣﺤﺴﻦ (1381)، "ارزﻳﺎﺑﻲ ﻋﻤﻠﻜﺮد ﺷﺮﻛﺖﻫﺎی ﺳﺮﻣﺎﻳﻪﮔﺬاری ﻓﻌﺎل در ﺑﻮرس ﺗﻬﺮان ﺑﺮ اﺳﺎس ﺷﺎﺧﺺﻫﺎی ﺷﺎرپ و ﺗﺮﻳﻨﺮ"، ﭘﺎﻳﺎن ﻧﺎﻣﻪ ﻛﺎرﺷﻨﺎﺳﻲ ارﺷﺪ، داﻧﺸﻜﺪه ﻣﺪﻳﺮﻳﺖ داﻧﺸﮕﺎه ﺗﻬﺮان.

*       کباری، مجتبی،(1382). بررسی عملکرد شرکت­های سرمایه­گذاری پذیرفته شده در بورس تهران با استفاده از مدل شارپ، پایان نامه کارشناسی ارشدآ دانشگاه امام صادق(ع).

*       ﻋﺒﺪه ﺗﺒﺮﻳﺰی، ﺣﺴﻴﻦ و ﺷﺮﻳﻔﻴﺎن، روح ا... (1387)، "ﺑﺮرﺳﻲ اﺛﺮ رﻳﺴﻚ ﻧﺎ ﻣﻄﻠﻮب ﺑﺮ ﻋﻤﻠﻜﺮد ﺗﻌﺪﻳﻞ ﺷﺪه ﺑﺮ اﺳﺎس رﻳﺴﻚ ﺷﺮﻛﺖﻫﺎی ﺳﺮﻣﺎﻳﻪﮔﺬاری ﭘﺬﻳﺮﻓﺘﻪ ﺷﺪه در ﺑﻮرس اوراق ﺑﻬﺎدار ﺗﻬﺮان"، ﻓﺼﻠﻨﺎﻣﻪ ﺑﻮرس اوراق ﺑﻬﺎدار ﺗﻬﺮان، ﺷﻤﺎره 1، ﺻﻔﺤﺎت 35-70.

*       Arugaslan, O., Edwards, E., Samant, A., (2007). Evaluating largs US-Based equity mutual funds using risk-adjusted performance measures, commerce and management,17(1/2), 6-24.

*       Chang, C. H., Lin, J. J., Lin, J. H., Chiang, M. C., (2010). Domestic open-end equity mutual fund performance evaluation using extended TOPSIS method with different distance approaches. expert systems with applications,37, 3642-3649.

*       Chen, L. H., Huang, L., (2009). Portfolio optimization of equity mutual funds with fuzzy return rates and risks, expert systems with applications, 36, 3720-3727.

*       David, K., (1994). Grey system and grey relational model. ACM SIGICE Bulletin, 20,1-9.

*       Dong, G., Yamaguchi, D., Nagai, M., (2006). A grey-based decision making approach to the supplier selection problem. mathematical and computer modeling,46,573-581.

*       Hubner, G., (2007). How do performance measures perform?.  portfolio selection,33(3), 64-74.

*       Jones, C., (1998). Investment analysis and management (6th ed.), Jhon willey & sons.

*       Kuo, M. S., Liang, G. S., (2011). Combining VIKOR with GRA techniques to evaluate service quality of airports under fuzzy environment. Expert systems with applications, 38, 1304-1312.

*       Kuo, Y., Yang, T., Huang, G., (2008). The use of grey relational analysis in solving multiple attribute decision making problems. computers   &   industrial engineering,55,80-93.

*       Liu, S., Lin, Y., (2006). Grey information theory and practical applications, london, springer.

*       Makridakis, S., Andersen, A., Carbon, R., (1982). The accuracy of extrapolation (time series) method; results of a forcasting competition. Forcasting, 1,111-153.

*       Pendaraki, K., Zopounidis, C., Doumpos, M., (2005). On the construction of mutual fund portfolios: A multicriteria methodology and an application to  the Greek market of equity mutual funds. European Journal of Operational Research, 163, -462-481.

*       Reilly, F., Norton, E., (2006). investments (7th ed.), south western ohio, Thomson.

*       Sortino, F., Lee, N. P., (1994). Performance measurement in a downside risk framework. Journal of Investing,v3(3),59-64.

*       Wiecek, M., Ehrgott, M., Fedal, G., Figueira. J.R., (2008). Multiple criteria decision making for engineering. The International Journal of Management Science, 36, 337-339