پویایی پرتفوی سرمایهگذاری بر اساس شاخص نقدشوندگی داراییها با استفاده از فرآیند بنچمارک
محورهای موضوعی :
دانش سرمایهگذاری
راضیه فاتح پور
1
,
محسن حمیدیان
2
,
شادی شاهوردیانی
3
,
علی نجفی مقدم
4
,
زهره حاجیها
5
1 - دانشجوی دکتری، گروه حسابداری،واحد بین المللی کیش،دانشگاه آزاد اسلامی،جزیره کیش،ایران
2 - دانشیار، گروه حسابداری، دانشکده اقتصاد و حسابداری، دانشگاه آزاد اسلامی، واحد تهران جنوب، ایران
3 - استادیار گروه مدیریت بازرگانی، دانشکده علوم انسانی، دانشگاه آزاد اسلامی،واحد شهر قدس،تهران، ایران
4 - استادیار گروه حسابداری ، دانشکده اقتصاد و حسابداری، دانشگاه آزاد اسلامی،, واحد تهران جنوب،تهران، ایران
5 - دانشیارگروه حسابداری،دانشکده علوم انسانی،واحد تهران شرق، دانشگاه آزاد اسلامی، تهران، ایران
تاریخ دریافت : 1399/06/17
تاریخ پذیرش : 1399/07/22
تاریخ انتشار : 1402/04/01
کلید واژه:
فرآیند بنچمارک,
بهینهسازی,
پرتفوی,
نقدشوندگی.,
روش پویا,
چکیده مقاله :
سرمایه گذاران به دنبال انتخاب ترکیب بهینه ی دارایی ها و تخصیص ثروت خود در میان آن ها به گونه ای هستند که بتوانند به هدف سرمایه گذاری (افزایش درآمد قابل تصرف در دوره های آتی) دست یابند. مسأله اصلی در این تحقیق با توجه به شرایط نقدشوندگی بالا یا نقدشوندگی پایین سهام شرکتها و مدل های انتخاب پرتفوی، استفاده از ابزاری جدید جهت انتخاب پرتفوی سرمایهگذاری می باشد. نمونه آماری مورد بررسی برای 27 شرکت فعال در قلمروی زمانی از ابتدای فروردین ماه سال 1393 تا اسفند ماه 1397 در نظر گرفته شده است. نتایج پژوهش با استفاده از بهینهسازی پویا و خاصیت همپوشانی بین زیرمسالهها نشان می دهند، استفاده از شاخص نقدشوندگی داراییها برای بهینهسازی پرتفوی با استفاده از و فرآیند بنچمارک تفاوت معنیداری را در وزنها، بازده و ریسک پرتفوی نسبت به مدل مارکویتز ایجاد نموده است. همچنین نتایج حاصل از محاسبه معیار ترینر نشان داد که مدل بهینهسازی به دست آمده از فرآیند بنچمارک تابع ارزش از پرتفویهای حاصل شده از مدل مارکویتز دارای عملکرد بالاتری میباشد.
چکیده انگلیسی:
Investors are looking to choose the optimal combination of assets and allocate their wealth among them in such a way that they can achieve the goal of investing (increasing the revenue that can be seized in future periods). The main issue in this study, considering the conditions of high liquidity or low liquidity of companies' stocks and portfolio selection models, is the use of a new tool to select investment portfolio. The statistical sample for 27 companies active in the time domain from the beginning of April 2014 to March 2017 has been considered. The use of asset liquidity index to optimize portfolios using and benchmarking process has made a significant difference in portfolio weights, yields and risk compared to the Markowitz model. Also, the results of calculating the trainer criterion showed that the optimization model obtained from the benchmarking process of the value function has a higher performance than the portfolios obtained from the Markowitz model. .
منابع و مأخذ:
آبادیان، مرضیه و شجری، هوشنگ. (1395). روش چند شاخصه برای انتخاب سبد سهام بهینه با استفاده از متغیرهای تحلیل بنیادی در شرکت های پتروشیمی عضو بورس. مجله مهندسی مالی و مدیریت اوراق بهادار، شماره 26، صص 1-25
بیات, علی, اسدی, لیدا. (1396). بهینه سازی پرتفوی سهام: سودمندی الگوریتم پرندگان و مدل مارکویتز. مهندسی مالی و مدیریت اوراق بهادار.8(32), 63-8.
تحسین پورقزوینی، محسن و محمدی، عمران. (1393). بهینه سازی سبد سهام با استفاده از تکنیک برنامه ریزی آرمانی (Gp).سومین کنفرانس ملی حسابداری و مدیریت، تهران، موسسه اطلاع رسانی نارکیش
جهانی، امیر مسعود ، فرشته صوفی ، محمود همت فر، (1392)، تعیین پرتفوی با استفاده از AHP در بهترین شرکت های پذیرفته شده در بورس اوراق بهادار تهران، دومین کنفرانس بین المللی مدیریت، کارآفرینی و توسعه اقتصادی، قم، دانشگاه پیام نور.
حسنلو, خدیجه. (1395). بهینهسازی استوار پرتفوی با استفاده از تکنیک آشفتگی و تابع ارزش در معرض ریسک شرطی. مدلسازی ریسک و مهندسی مالی, 1(1), 76-96.
حیبتی ثمر ، جواد، رضا تهرانی، کامبیز انصاری، (1394) ، بررسی رابطه بین ریسک نقدشوندگی وریسک بازار با بازده سهام رشدی و ارزشی با رویکرد مدل AHP در بورس اوراق بهادار تهران، مجله مهندسی مالی و مدیریت اوراق بهادار، شماره بیست و سوم،39-58.
خنجرپناه، حسین؛ پیشوایی، میرسان؛ جبارزاده، آرمیـن و صادقی کیا، محمد. (1394). بهینه سازی سبد سهام با استفاده از برنامه ریزی منعطف.کنفرانس بین المللی مدیریت، اقتصاد و مهندسی صنایع، تهران، موسسه مدیران ایده پرداز پایتخت ویرا.
مرادی زهرا و قراگزلو فرنوش (1398)، بررسی تاثیر ریسک منفی پرتفوی بر نوسانات قیمت سهام، پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی واحد دماوند
ملائی، مسعود؛ شیخ، محمد جواد و خدامرادی، سعید. (1390). بهینهسازی الگوهای مدیریت ریسک مارکویتز، ارزش در معرض ریسک و ارزش در معرض ریسک احتمالی پارامتریک با استفاده از الگوریتم های محلی و سراسری در بورس اوراق بهادار تهران. چشم انداز مدیریت مالی و حسابداری، شماره 1، صص 67-95
مهـدی زاده، پیمان؛ حسیــن زاده کاشان، علی و مخاطب رفیـعی، فریماه. (1395). اولویت بندی و بهینه سازی سبدسهام متشکل از سهام بورس تهران با رویکرد مدل های تصمیم گیری چندمعیاره و برنامه ریزی آرمانی.کنفرانس بین المللی مهندسی صنایع و مدیریت، تهران، دبیرخانه دایمی کنفرانس
واقفی، طیبه؛ علیرضا ناصر صدر آبادی ، جمال برزگری خانقاه، (1392) ، بهینه سازی انتخاب پرتفوی سهام با استفاده از الگوریتم کلونی مورچگان، دومین کنفرانس ملی حسابداری، مدیریت مالی و سرمایه گذاری، گرگان، انجمن علمی و حرفه ای مدیران و حسابداران گلستان
هیبتی ، فرشاد ، فریدون رهنمای رودپشتی، محمدعلی افشارکاظمی، امیرحسین عبیری،(1390) ، ارزیابی مدل گزینش سبد سهام با استفاده از فرآیند تحلیل سلسله مراتبی(AHP)، آنالیز رابطهای خاکستری(GRA) و برنامهریزی آرمانی(GP)، مجله مهندسی مالی و مدیریت اوراق بهادار، سال ششم ، 107-137.
Axel Buchner , (2016),"Portfolio dynamics under illiquidity", The Journal of Risk Finance, Vol. 17 Iss
Bjork, Tomas and Murgoci, Agatha and Zhou, Xun Yu, Mean–Variance Portfolio Optimization with State‐Dependent Risk Aversion (2014). Mathematical Finance, Vol. 24, Issue 1, pp. 1-24, 2014.
Bjork, Tomas and Murgoci, Agatha and Zhou, Xun Yu, Mean–Variance Portfolio Optimization with State‐Dependent Risk Aversion (January 2014). Mathematical Finance, Vol. 24, Issue 1, pp. 1-24, 2014. Available at SSRN: http://ssrn.com/abstract=2367076.
Clarke, M., Seng, D., & Whiting, R. H. (2011). Intellectual capital and firm performance in Australia. Journal of Intellectual Capital, 12(4), 505-530
Dewandaru, G., Masih, R., Bacha, O. I., & Masih, A. M. M. (2014). Combining Momentum, Value, and Quality for the Islamic Equity Portfolio: Multi-style Rotation Strategies using Augmented Black Litterman Factor Model. Pacific-Basin Finance Journal
Imke Redeker and Ralf Wunderlich, (2018), Portfolio optimization under dynamic risk constraints: continuous vs. discrete time trading, accepted paper, https://arxiv.org/abs/1602.00570
Janani and et al., Selection of Portfolio by using Multi Attributed Decision Making (Tehran Stock Exchange), American Journal of Scientific Research, Issue 44, pp. 15-87, 8018.
Jarkko Peltomäki , (2017)," Investment styles and the multifactor analysis of market timing skill ", International Journal of Managerial Finance, Vol. 13 Iss 1 pp. 21 – 35
Leary, M. T., & Roberts, M. R. (2005). Do firms rebalance their capital structures?. The journal of finance, 60(6), 2575-2619
Lee, A.H.I., (2009), "A fuzzy AHP evaluation model for buyer–supplier relationships with the consideration of benefits, opportunities, costs and risks", International Journal of Production Research,47(15), 4255–80.
Michel Denault, Jean-Guy Simonato, 2017, Dynamic portfolio choices by simulation-and-regression: Revisiting the issue of value function vs portfolio weight recursions, Computers & Operations Research, Volume 79, Pages 174-189
Petkova, Ralitsa & Akbas, Ferhat & Boehmer,Ekkehart & Genc,Egemen (2010), The time-varying liquidity risk of value and growth stocks, Journal of SSRN
Petkova, Ralitsa & Akbas, Ferhat & Boehmer,Ekkehart & Genc,Egemen (2010), The time-varying liquidity risk of value and growth stocks, Journal of SSRN
Sun, Y., Grace, A., Lay Teo, K., Zhu, Y., & Wang, X. (2016). Multi-period portfolio optimization under probabilistic risk measure. Finance Research Letters, 1-7.
Xuan Quang Do, Wu Zhong Xin, (2014), The Impact of Ownership Structure and Capital Capital Structure on Financial Performance of Vietnamese Firms, International Business Reserch, 7(2)
Redeker, Imke & Wunderlich, Ralf. (2018). Portfolio optimization under dynamic risk constraints: Continuous vs. discrete time trading. Statistics & Risk Modeling. 35. 10.1515/strm-2017-0001.
_||_