بهینه سازی سبد سهام بر پایه ارزش در معرض ریسک آنتروپیک
محورهای موضوعی : نقش اطلاعات حسابداری در اطلاع بخشی و کارایی بازار سرمایه
فاطمه رضایی
1
,
سید محمد رضا داودی
2
1 - گروه مدیریت،واحد دهاقان،دانشگاه آزاد اسلامی،اصفهان،ایران.
2 - گروه مدیریت ،واحد دهاقان ،دانشگاه آزاد اسلامی ،اصفهان ،ایران.
کلید واژه: بهینه سازی سبد سهام, ارزش در معرض ریسک, ریزش مورد انتظار, ارزش در معرض ریسک آنتروپیک.,
چکیده مقاله :
مدیریت ریسک در شرایط ناپایدار بازارهای مالی، همواره یکی از چالشهای اصلی سرمایهگذاران بوده است. در این راستا، استفاده از معیارهای دقیق و نوین سنجش ریسک مانند ارزش در معرض ریسک آنتروپیک (EVaR) که بر پایه مفاهیم نظریه اطلاعات و آنتروپی استوار است، اهمیت فراوانی دارد. این معیار نه تنها از ویژگیهای مطلوبی مانند زیرجمعپذیری برخوردار است، بلکه با در نظر گرفتن همزمان بخشهای سود و زیان توزیع بازده، دید جامعتری از ریسک ارائه میدهد. در این پژوهش، یک مدل بهینهسازی سبد سهام با محوریت EVaR و با استفاده از الگوریتم جستوجوی تجمعی ذرات (PSO) پیادهسازی شده است. عملکرد این مدل بر روی سبدی متشکل از ۱۰ شاخص عمده بورس اوراق بهادار تهران در بازه زمانی ۱۲ ساله (۱۴۰۳–۱۳۹۲) و در افق ماهیانه مورد ارزیابی قرار گرفت. نتایج نشان میدهد که مدل پیشنهادی در مقایسه با مدلهای سنتیتر مبتنی بر ارزش در معرض ریسک (VaR) و ریزش مورد انتظار (CVaR)، از میانگین بازده بالاتر و عملکرد بهتری در شاخصهایی مانند نسبت شارپ برخوردار است. اگرچه حداکثر افت سرمایه در مدل EVaR کمی بیشتر بود، اما این تفاوت در مقایسه با مزایای بازدهی آن قابل توجه نبود. در مجموع، میتوان EVaR را به عنوان یک ابزار کارآمد و پیشرفته در مدیریت سبد سهام، به ویژه در بازارهای پرنوسان، معرفی نمود.
One of the major challenges investors face in financial markets is managing risk under unstable and complex market conditions. In this context, employing accurate and realistic risk measurement metrics is of critical importance. Entropic Value at Risk (EVaR), leveraging concepts from information theory and entropy, has emerged as a novel and coherent risk measure. Beyond possessing favorable theoretical properties—such as subadditivity and convexity—EVaR uniquely incorporates both downside risk and the profit potential of a portfolio into its risk assessment. This study implements an EVaR-based portfolio optimization model using the Particle Swarm Optimization (PSO) algorithm. The empirical analysis uses monthly return data from 10 major indices of the Tehran Stock Exchange over the period 2013–2024. The results demonstrate that the proposed EVaR-optimized portfolio achieves higher average returns compared to portfolios optimized using traditional Value at Risk (VaR) and Expected Shortfall (ES) models. Furthermore, the EVaR-based portfolio exhibits superior performance in key financial metrics, including the Sharpe ratio and maximum drawdown. These findings confirm the effectiveness of EVaR as a powerful and comprehensive tool for portfolio optimization, particularly in volatile and complex market environments. By integrating information-theoretic principles with practical risk-return trade-offs, EVaR offers investors a more robust framework for strategic asset allocation and risk management.
-احمدی جاوید، ا.، و فلاح تفتی، م. (1404) .گسترشی از ارزش در معرض ریسک اطلاعاتی: ویژگیها و بهینهسازی. پیشچاپ منتشرشده در arXiv. بازیابیشده ازhttps://arxiv.org/abs/1708.3
-خراسانی، س. م.، و حسینینژاد، ن. (1402). بهینهسازی سبد سرمایهگذاری با استفاده از معیارهای ریسک شرطی و نسبت امگا. در چهارمین کنفرانس بینالمللی حسابداری، مدیریت و نوآوری در کسبوکار، دانشگاه تهران. بازیابیشده از https://civilica.com/doc/1470448.
-Akella, P., Dixit, A., Ahmadi, M., Burdick, J. W., & Ames, A. D. (2024). Sample-based bounds for coherent risk measures: Applications to policy synthesis and verification. Artificial Intelligence, 336, 104195.
-Ardakani, O. M. (2023). Coherent measure of portfolio risk. Finance Research Letters, 57, 104222.
Cousin, A., & Di Bernardino, E. (2024). On multivariate extensions of value-at-risk. arXiv preprint, arXiv:1111.1349.
https://arxiv.org/abs/1111.1349
-Fröhlich, C., & Williamson, R. C. (2024). Risk measures and upper probabilities: Coherence and stratification. Journal of Machine Learning Research, 25, 1-99.
-Härdle, W. K., & Chen, C. Y. H. (2021). TERES: Tail Event Risk Expectile
Shortfall. Quantitative finance, 21(3), 449-460.
-Herdegen, M., & Khan, N. (2022). Mean‐portfolio selection and‐arbitrage for coherent risk measures. Mathematical Finance, 32(1), 226-272.
-Huang, M., & Wang, R. (2024). Coherent risk measures and uniform integrability. arXiv preprint arXiv:2404.03783.
-Torri, G., Giacometti, R., Dentcheva, D., Rachev, S. T., & Lindquist, W. B. (2023). ESG-coherent risk measures for sustainable investing. arXiv preprint arXiv:2309.05866.
