ردیابی شاخص بورس اوراق بهادار با در نظر گرفتن محدودیت زیان گریزی با استفاده از رویکرد جدید بیگ بنگ بیگ کرانچ

محورهای موضوعی : دانش سرمایه‌گذاری

مقصود امیری ¹ , شایان کرمی ² , علیرضا ناصرپور ³

1 - دانشیار دانشگاه علامه طباطبایی دانشکده مدیریت و حسابداری
2 - کارشناسی ارشد مهندسی مالی دانشگاه رجاء قزوین (مسئول مکاتبه)
3 - دانشجوی دکتری مدیریت مالی دانشگاه علامه طباطبایی

تاریخ دریافت : 1394/12/14 تاریخ پذیرش : 1395/02/27 تاریخ انتشار : 1395/07/01

کلید واژه: مسئله ردیابی شاخص, زیان گریزی, محدودیت عدد صحیح, الگوریتم دیفرانسیل تکاملی, الگوریتم بیگ بنگ- بیگ کرانچ,

چکیده مقاله :

یکی از عوامل توسعه‌ نیافتگی بورس در کشورهای درحال‌ توسعه نظیر ایران رشد ناکافی ابزارهای تصمیم‌ساز برای سرمایه‌گذاران به‌خصوص مبتدیان است. لذا در این پژوهش از یک مدل ردیابی شاخص با در نظر گرفتن محدودیت زیان گریزی و محدودیت‌ عدد صحیح روی تعداد دارایی‌های انتخاب شده، برای ایجاد یک سبد(پرتفوی) ردیابی کننده شاخص بهره گرفته ‌شده است. تفاوت کلیدی این پژوهش با سایر پژوهش های داخلی مشابه در نظر گرفتن زیان گریزی است. به این معنی که تأثیراتی که سرمایه‌گذاران از نوسانات مثبت و منفی در بازده پرتفولیوی خود می‌پذیرند, مطلوبیت یکسانی نداشته و درنتیجه تأثیر آن‌ها در مدل سرمایه‌گذاری یکسان نیست. فضای حل این مسئله گسسته و غیر محدب بوده بنابراین روش‌های متداول عددی برای حل این مسئله قابل‌استفاده نیستند. از سایر نوآوری‌های این پژوهش, استفاده از الگوریتم بیگ بنگ- بیگ کرانچ به‌عنوان یکی از الگوریتم‌های فرا ابتکاری جدید به‌عنوان روش حل و مقایسه آن با الگوریتم دیفرانسیل تکاملی با استفاده از داده‌های قیمت روزانه سهام موجود در شاخص داو جونز از سال 2000 تا 2006 میباشد. نتایج به‌دست‌آمده حکایت از عملکرد مناسب الگوریتم بیگ بنگ-بیگ کرانچ نسبت به الگوریتم دیفرانسیل تکاملی با توجه به معیارهای عملکردی دارد. سپس از این الگوریتم برای ردیابی شاخص 30 شرکت بزرگ بورس تهران از سال 91 الی 93 استفاده شد.که نتیجه آن دست یابی به پرتفویی با بازده و ریسکی معادل شاخص 30 شرکت بورس تهران بود

چکیده انگلیسی:

One of the causes of underdevelopment stock in developing countries such as Iran is inadequate growth of decision-making tools for the investors, especially beginners. Therefore, in this study an index tracking model with regard to loss aversion limitation and restriction of Integer constraints on selected assets, to create an index tracker basket (portfolio) has been applied. The key difference of this study to other similar national researches is in considering of loss aversion, this means that the influences which investors accepted from positive and negative fluctuations in their own portfolio’s output, has not the same utility and hence their impact on investment model is not equivalent. The space of the solution of this problem is discrete and non-convex, so common numerical methods for solving this problem are not usable. Other innovations from this research, the use of the Bing bang - Big Crunch algorithm as a new meta-heuristic algorithms for the solution and it’s comparison with differential evolution algorithm with using of stock’s daily price data available on the Dow Jones index from 2000 to 2006. The obtained results indicate good performance of the algorithm of the Big Bang-Big Crunch toward differential evolution algorithm according to performance criteria. Then this algorithm has been used for Index tracking of 30 largest companies in Tehran Stock Exchange from (2012-2014) 1391 to 1393 A.H.S that the result of it was achieving to an efficient portfolio and a risk equivalent to index of 30 companies in Tehran Stock Exchange.

منابع و مأخذ:

*       عباسی,ابراهیم,اکبری,صمد.(1393).«کاربرد الگوریتم های تبرید شبیه سازی شده و ژنتیک در تشکیل صندوق شاخصی » . فصلنامه مهندسی مالی و مدیریت اوراق بهادار, شماره 20, صفحات 167- 179

*       حجازی , رضوان . جعفری سرشت , داود و دلشادی , محمود . (1390). « تشکیل صندوق شاخصی بهبود یافته با استفاده از الگوریتم ژنتیک » , فصلنامه بورس اوراق بهادار , شماره 14,صفحات 135- 157

*       حنیفی ، فرهاد. بحرالعلوم،محمدمهدی و جوادی ،بابک .(1388) . «طراحی و تحلیل مقایسه ای الگوریتم های فراابتکاری جهت پیاده سازی سرمایه گذاری شاخص محور در بورس تهران», فصلنامه چشم انداز مدیریت, شماره 32,صفحات 89- 108

*       ورسه ای ، محسن و شمس ، ناصر.(1389). ارائه یک روش حل ابتکاری به‌منظور بهینه‌سازی حل مسئله سبد ردیاب شاخص و پیاده‌سازی آن برای اولین بار در بازار سهام تهران (TEPIX). هشتمین کنفرانس بین المللی مدیریت.

*       5-Alexander k and Dimitriu, M. G. (2005). Kernel Search: "An application to the index tracking problem". European Journal of Operational Research, Vol217 (1), 54–68.

*       6-Barro, O. K. (2009). "A new optimization method: big bang–big crunch". Advances in Engineering Software, Vol 37(2), 106–111.

*       7-Beasley, J.E, Meade, N. and Chang, T.J.)2003(."An evolutionary heuristic for the index tracking problem", European Journal of Operational Research, Vol. 148, 621–643.

*       8-Canakgoz, N. A., & Beasley, J. E. (2009). "Mixed-integer programming approaches for index tracking and enhanced indexation". European Journal of Operational Research,Vol 196(1), 384–399.

*       9-Corielli, F and Marcellino, M.(2006),"Factor Based Index Tracking", Journal of Banking and Finance, Vol 30,2215-2233

*       10-Coleman and etl.(2006). "An evolutionary heuristic for the index tracking problem", European Journal of Operational Research, Vol 148, 621–643.

*       11-Dexiang, J. E. (2011). "Heuristic algorithms for the cardinality constrained efficient frontier". European Journal of Operational Research, Vol 213(3), 538–550.

*       12-Erol, O. K., & Eksin, I. (2006). "A new optimization method: big bang–big crunch". Advances in Engineering Software, Vol 37(2), 106–111.

*       13-Focardi, Sergio M and Fabozzi, Frank J."A Methodology for Index Tracking Based on Time-Series Clustering",Quantitative Finance , Vol 4 (4),417-425

*       14-Jansen R and Dijk H. (2002). "Index Tracking, cointegration and equity market regimes". International   Journal  Of  Finance  And Economics, Vol 10, 213-231

*       15-Maringer, D. (2008). "Constrained index tracking under loss aversion using differential evolution". In Natural Computing in Computational Finance,Vol 100, 7–24.

*       16-Markoitz F. (1952)." The Arithmetic of Active Management". Financial Analyst Journal, Vol. 47(1).

*       17-Qian Li, Linyan Sun and Liang Bao,(2011),"Enhanced Index Tracking Based on Multi-Objective Immune Algorithm ", Expert Systems with Applcations, Vol 38 ,6101-6106

*       18-Rafaely, B and Bennell, J.(2006),"Optimization of FTSE 100 Tracker Funds:A Comparison of Genetic Algorithms and Quadratic Programming", Managerial Finance,Vol 32(6),477-492

*       19-Torrubiano, R and Suarez, A.(2008),"A Hybrid Optimization Approach to Index Tracking", Operational Research, Vol 166,57-71

*       20-Wu, Dexiang. )2011(. "An Index Tracking Model: One Application of Integer programming".Business And Economic,springer, Part 1, 77-82.

*       21-Yu and etl. )2006(. " Index tracking with constrained portfolios". Intelligent Systems in Accounting, Finance and Management . 57-71