کاربرد حافظه بلندمدت در بهینه سازی پرتفوی با استفاده از توابع کاپیولا: شواهدی تجربی از بازار سهام ایران و ترکیه
محورهای موضوعی : مهندسی مالیهستی چیت سازان 1 , مطهره مقدسی 2 , رضا تهرانی 3 , محسن مهرآرا 4
1 - بخش تخصصی کسب و کار جدید، دانشکده کارآفرینی، دانشگاه تهران، تهران، ایران.
2 - گروه مدیریت مالی، پردیس البرز، دانشگاه تهران، ایران
3 - گروه مدیریت مالی و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
4 - گروه اقتصاد نظری، دانشکده اقتصاد، دانشگاه تهران، تهران، ایران
کلید واژه: ارزش در معرض ریسک, حافظه بلندمدت, پرتفوی بهینه, کاپیولا, بهینهسازی پرتفوی,
چکیده مقاله :
پژوهش حاضر به دنبال یافتن تأثیر حافظه بلندمدت بر ساختار وابستگی بین بازده ها و سپس بر ساختار پرتفوی بهینه است. در این راستا، تابع کاپیولا به عنوان ابزاری قدرتمند و منعطف برای تعیین ساختار وابستگی استفاده شده است. داده های پژوهش شامل شاخص بازار سهام ایران و شاخص بازار سهام ترکیه می باشند. در گام اول ساختار وابستگی بین بازده های خالص و بازده های فیلترشده را که ازARFIMA-GARCH به دست آمده مورد مقایسه قرارداده تا تأثیرحافظه بلندمدت بر بازده ها را مورد بررسی قرار دهیم. در گام دوم تأثیر ساختار وابستگی بین بازده های خالص و بازده های فیلترشده روی بهینه سازی پرتفوی مورد بررسی قرار گرفته است. نتایج نشان دادند که می توان الگوی کاپیولاها را به بازده دو سری زمانی مورد بررسی برازش داد و بهترین الگو الگوی Frank است. همچنین، نتایج بیانگر وجود حافظه بلندمدت در میانگین و واریانس بازده سهام در بازار ایران و وجود حافظه بلندمدت در واریانس بازار سهام ترکیه است. همه الگوها درصد سرمایه گذاری بیشتری را به بازار سهام ایران و درصد کمتری را به بازار سهام ترکیه اختصاص دادند.
The main objective of this paper is to optimize and manage the portfolio by using copula functions. Copula function has been using as a powerful and flexible tool for the determination of dependency structure. Research data include the Iran stock market index and the Turkey stock market index. The present study seeks to find the effect of long memory on the structure of dependence between returns and optimal portfolio structure. In the first step, we compare the dependence structure between the net returns and the filter generated from the ARFIMA-GARCH process returns to investigate the impact of long memory on them. In the second step, the influence of the dependence structure between net returns and filtered returns on portfolio optimization has been investigated. The results indicated that the model can be fitted to the return of time series and the best pattern is the frank pattern. The results also indicated the existence of long memory in the mean and variance of stock return on the Iran stock market and the existence of long memory in the variance of the Turkey stock market. All models allocate more percentage of capital to Iran stock market and lower percent to Turkey stock market.
_||_