ارائه مدلی جهت پیادهسازی سرمایه‌گذاری هسته-پیرو در بورس تهران با استفاده از رویکرد ترکیبی الگوریتمهای دقیق و فراابتکاری
محورهای موضوعی : دانش سرمایه‌گذاری
میرفیض فلاح شمس
1
(استادیار، مدیریت مالی، دانشگاه آزاد اسلامی واحد تهران مرکز)
مقصود امیری
2
(دانشیار، مدیریت صنعتی، دانشگاه علامه طباطبایی)
محمد مهدی بحرالعلوم
3
(دانشجوی دکتری، مدیریت مالی، دانشگاه علامه طباطبایی (نویسنده مسئول))
محسن قره‏خانی
4
(استادیار، مهندسی صنایع، دانشگاه قم)
کلید واژه: سرمایه‌گذاری هسته-پیرو, بهینه‌سازی چند هدفه, الگوریتم ژنتیک, ردیابی شاخص,
چکیده مقاله :
در این تحقیق مدیریت اثربخش دارایی ها با مشخصه کنترل ریسک، کاهش هزینه و دستیابی به بازدهی فراتر از متوسط بازار مورد مطالعه قرار گرفته است. بدین منظور تخصیص بهینه دارایی‌ها به دو بخش هسته و پیرو با لحاظ نمودن درجه ریسک گریزی سرمایه گذار مد نظر قرار گرفت. بخش هسته در پورتفوی مورد نظر متناظر با یک صندوق شاخصی است که از طریق بکارگیری یک الگوریتم ابتکاری ژنتیک پایه انتخاب و دستیابی به عملکردی مشابه شاخص را به لحاظ ریسک و بازدهی تضمین می نماید. بخش پیرو متشکل از واحدهای صندوق های سرمایه گذاری منتخب است که بصورت فعال مدیریت شده و هدف کسب بازدهی فراتر از شاخص را دنبال می نماید. به منظور شبیه سازی بخشی از داده های مورد نیاز از مدل EGARCH و جهت مدل سازی مسأله هسته پیرو از یک تابع چند هدفه بصورت بیشینه سازی بازدهی مازاد پورتفوی و حداقل نمودن واریانس آن نسبت به شاخص کل استفاده گردید. نتایج حاصل از تجزیه و تحلیل داده ها بر رابطه مستقیم میان درجه ریسک‌گریزی و وزن تخصیص یافته به بخش هسته دلالت دارد. همچنین محاسبات انجام شده دستیابی به بازدهی فراتر از شاخص و توانایی ردیابی مناسب پورتفوی تشکیل شده را مبتنی بر معیارهایی چون همبستگی و ریشه دوم میانگین مربعات خطا با بهره‌گیری از داده های خارج از نمونه به اثبات رساند.
In this study, the effective method of asset allocation characterized by risk control, cost reduction and out-performance with respect to the market benchmark has been investigated. In this regard, the optimal asset allocation in the core and satellite portfolio including the degree of risk aversion were studied. The core component of the portfolio represents an index fund selected by the use of a heuristic genetic based algorithm, which assures the level of risk-return realization comparable to the market index. The satellite component is consisted of selected mutual fund investment units and is managed actively in order to beat the market index. An EGARCH model was used in order to simulate the required data, and a multi goal objective function as maximizing the excess return and minimizing the variance relative to the index was implemented for the modeling of the core-satellite problem. The results of the analysis implies on the direct relationship between the degree of risk aversion and the weight allocated to the core component. The calculations also indicate the out-performance of the constructed portfolio relative to the market index and its good tracking ability based on criteria such as correlation and root mean squared error using out of sample data.