روشی سه مرحله ای برای بهینه سازی سبد سهام با استفاده از سنجه ریسک ارزش در معرض خطر شرطی
محورهای موضوعی : آمارسارا نویدی 1 , شکوفه بنیهاشمی 2 , مسعود صانعی 3
1 - فارغالتحصیل کارشناسی ارشد، گروه ریاضی، دانشکده علوم پایه، دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران.
2 - استادیار، گروه ریاضیات، ریاضیات و علوم کامپیوتر، دانشگاه علامه طباطبائی (ره)، تهران، ایران.
3 - دانشیار، گروه ریاضی، دانشکده علوم پایه، دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران
کلید واژه: portfolio optimization, Data Envelopment Analysis, Multi Objective Decision Makin, Conditional Value at Risk, Negative data,
چکیده مقاله :
برای بهینهسازی سبد سهام باید از روشهای جامعی استفاده کرد. برای این منظور باید به صورتهای مالی شرکتها، متغیرهای ورودی و خروجی، سنجه ریسک مورد استفاده، تمایلات سرمایهگذار و درجه ریسکپذیری سرمایهگذار توجه کرد. در این مقاله ما با در نظر گرفتن این نکات روشی برای بهینهسازی سبد سهام ارائه میدهیم. در این راستا، از صورتهای مالی شرکتهای سهامی برای غربال کردن شرکتها استفاده میکنیم. با توجه به برتری سنجه ریسک ارزش در معرض خطر شرطی، از این سنجه ریسک برای بهینهسازی سبد سهام، استفاده میکنیم. برای اینکه بتوانیم کارایی شرکتها را بدست آوریم، باید از تحلیل پوششی دادهها استفاده کنیم. اکثر مدلهای تحلیل پوششی دادهها فقط دادههای مثبت را میپذیرند، در حالی که اکثر دادهها (مخصوصاً در بحث مالی) منفی هستند. بنابراین ما مدلهای میانگین شارپ - بتا ارزش در معرض خطر شرطی و میانگین شارپ - بتا ارزش در معرض خطر شرطی چند هدفه را براساس مدل اندازه جهت مبنایی ارائه میدهیم. این مدلها هم دادههای مثبت و هم دادههای منفی را میپذیرند. با استفاد از مدل تصمیمگیری چند هدفه به سرمایهگذاران اختیار میدهیم آنگونه که ترجیح میدهند سرمایهشان را به سهام شرکتهای موجود در سبد اختصاص دهند. در آخر روش ارائه شده را مرحله به مرحله روی بازار بورس ایران اجرا میکنیم.
Comprehensive methods must be used for portfolio optimization. For this purpose, financial data of stock companies, inputs and outputs variable, the risk measure and investor’s preferences must be considered. By considering these items, we propose a method for portfolio optimization. In this paper, we used financial data of companies for screening the stock companies. We used Conditional Value at Risk (CVaR) as a risk measure, because of its advantages. Data Envelopment Analysis (DEA) can be used to calculate the efficiency of stock companies. Conventional DEA models assume non-negative data. However, many of these data take the negative value, therefore we propose the MeanSharp- CVaR (MSh CV) model and the Multi Objective MeanSharp- CVaR (MOMSh CV) model base on Range Directional Measure (RDM) that can take positive and negative values. By using Multi Objective Decision Making (MODM) model, investors can allocate their capital to the stocks of portfolio as they like. Finally, a numerical example of the purposed method is applied to Iran’s financial market.