بازنگری سبد سهام برای سرمایه گذاران خرد: مدلسازی و روش حل

محورهای موضوعی : دانش سرمایه‌گذاری

امیرعباس نجفی ¹ (دانشیار، گروه مهندسی مالی، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی(نویسنده مسئول))
مژگان آقایی شیخ رضی ² (کارشناس ارشد مهندسی مالی، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی)

تاریخ دریافت : 1397/01/28 تاریخ پذیرش : 1397/04/05 تاریخ انتشار : 1398/07/01

کلید واژه: سبد سهام, بازنگری, سرمایه گذاران خرد, برنامه ریزی آرمانی الویت دار,

چکیده مقاله :

از مهمترین دغدغه‌های سرمایه‌گذاران در بازار سرمایه، کاهش ریسک سرمایه‌گذاری و رسیدن به یک بازده مطلوب می‌باشد. یکی از راه‌های کاهش ریسک سرمایه‌گذاری، تشکیل سبد سهام است؛ اما با توجه به تغییرات و تحرکات بازار، ترکیب این سبد ثابت باقی نمی‌ماند و لازم است همواره کنترل شده و مورد بازنگری واقع شود. به طور کلی سرمایه‌گذاران در بازار سرمایه به دو دسته تقسیم می‌شوند: سرمایه‎گذاران حقیقی (یا سرمایه‌گذاران خرد) و سرمایه‌گذاران حقوقی. تشکیل سبد سهام و همچنین بازنگری آن برای سرمایه‌گذاران خرد، نیازمند توجه به معیارها و محدودیت‌های مورد نظر آن‌هاست که در مدل‌های کلاسیک مالی نظیر مدل مارکویتز مورد توجه قرار نگرفته است. ازجمله این معیارها هزینه معاملاتی، سود تقسیمی، ریسک سیستماتیک و عدد صحیح بودن تعداد واحدهای معامله شده سهام می‌باشد. در این پژوهش، مدلی چند هدفه و جامع که دربرگیرنده اهداف و محدودیت‌های مدنظر سرمایه‌گذاران خرد می‌باشد، ارائه گردیده است. برای رسیدن به این مقصود، از برنامه‌ریزی آرمانی اولویت‌دار استفاده شده و یک مدل برنامه‌ریزی عدد صحیح برای بازنگری ارائه گردیده است. در نهایت نیز مدل ارائه شده در این پژوهش با داده‌های واقعی حل شده و نتایج آن مورد تحلیل قرار گرفته است.

چکیده انگلیسی:

One of the main concerns of investors in financial market is reduction of risk and achieving desired return. One of the ways that reduce risk, is creating portfolio; but due to market changes, the optimal portfolio will not be stable and it is necessary to be control and rebalancing. Generally, investors in financial market are divided into two categories: real investors and legal investors. The volume of real investors' capital is little and is called small investors, too. Portfolio selection and rebalancing for small investors need attention to their criteria and limitations that are not considered in the classic financial models such as Markowitz’s model. These criteria are transaction cost, dividend, systematic risk and transaction units. In this study, a multi-objective and comprehensive model are provided that addresses the goals and limitations of small investors. For this purpose, the lexicographic goal programming is used and a mixed integer programming model is provided. Finally, the model is solved with actual data and the results are analyzed.    

منابع و مأخذ:

• نجفی، ا.، فاضلی سبزوار، ا.، (2014). مدل دو هدفه بازنگری سبد ردیاب شاخص با لحاظ هزینه های معاملاتی و حل آن با الگوریتم های فرا ابتکاری. دانش مالی تحلیل اوراق بهادار, 7(24), 79-95.‎

*       Baule, R. (2010). Optimal portfolio selection for the small investor considering risk and transaction costs. OR spectrum, 32(1), 61-76.

*       Baumann, P., & Trautmann, N. (2013). Portfolio-optimization models for small investors. Mathematical Methods of Operations Research, 77(3), 345-356.

*       Charnes, A., & Cooper, W. W. (1959). Chance-constrained programming. Management science, 6(1), 73-79.

*       Charnes, A., & Cooper, W. W. (1963). Deterministic equivalents for optimizing and satisficing under chance constraints. Operations research, 11(1), 18-39.

*       Chu, A. T. W., Kalaba, R. E., & Spingarn, K. (1979). A comparison of two methods for determining the weights of belonging to fuzzy sets. Journal of Optimization theory and applications, 27(4), 531-538.

*       Fama, E. (1965). The behavior of stocks market prices. Journal of Business, 38: 34–105.

*       Fang, Y., Lai, K. K., & Wang, S. Y. (2006). Portfolio rebalancing model with transaction costs based on fuzzy decision theory. European Journal of Operational Research, 175(2), 879-893.

*       Glen, J. J. (2011). Mean-variance portfolio rebalancing with transaction costs and funding changes. Journal of the Operational Research Society, 62(4), 667-676.

*       Greenblatt, J. (2006) The Little Book That Beats the Market. John Wiley & Sons, Inc., Hoboken, US.

*       Guastaroba, G., Mansini, R., & Speranza, M. G. (2009). Models and simulations for portfolio rebalancing. Computational Economics, 33(3), 237-262.

*       Gupta, P., Mittal, G., & Mehlawat, M. K. (2013). Expected value multi objective portfolio rebalancing model with fuzzy parameters. Insurance: Mathematics and Economics, 52(2), 190-203.

*       Kandasamy, H. (2008) Portfolio Selection Under Various Risk Measures. A Dissertation Presented to the Graduate School of Clemson University.

*       Kumar, Pankaj, Geetanjali Panda, and U. C. Gupta. "Portfolio rebalancing model with transaction costs using interval optimization." OPSEARCH 52, no. 4 (2015): 827-860.

*       Kumar, P.C., Philippatos, G.C., Ezzell, J.R. (1978). Goal programming and the selection of portfolios by dual-purpose funds. The Journal of Finance, 33: 303–310.

*       Lee, S.M., Chesser, D.L. (1980). Goal Programming for Portfolio Selection, the Journal of Portfolio Management (Spring), 22–26.

*       Levary, R.R., Avery, M.L. (1984). On practical application of weighting equities in a portfolio via goal programming. Operation Research, 21:246–261.

*       Li, J., and Xu, J., 2007. A class of possibilistic portfolio selection model with interval coefficients and its application. Journal of Fuzzy Optimization Decision Making, 6, pp. 123–137.

*       Marasovic, B. and Babic, Z., 2011. Two-step multi-criteria model for selecting optimal portfolio. International Journal of Production Economics, 134 (1), pp. 58–66.

*       Markowitz, H. (1952). Portfolio selection. The journal of finance, 7(1), 77-91.

*       Pendaraki, K., Doumpos, M., and Zopounidis, C., 2004. Towards a goal programming methodology for constructing equity mutual fund portfolios. Journal of Asset Management, 4 (6), pp. 415–428.

*       Romero, C. (2004). A general structure of achievement function for a goal programming model. European Journal of Operational Research, 153(3), 675-686.

*       Saaty, T. L., (1980). The Analytic Hierarchy Process. McGraw-Hill, New York.

*       Sharma, H., and Sharma, D., 2006. A multi-objective decision-making approach for mutual fund portfolio. Journal of Business Economic Research, 4, pp. 13–24.

*       Woodside-Oriakhi, M., Lucas, C., & Beasley, J. E. (2013). Portfolio rebalancing with an investment horizon and transaction costs. Omega, 41(2), 406-420.

*       Yu, J. R., & Lee, W. Y. (2011). Portfolio rebalancing model using multiple criteria. European Journal of Operational Research, 209(2), 166-175.

*       Zhang, X., Zhang, W. G., & Cai, R. (2010). Portfolio adjusting optimization under credibility measures. Journal of Computational and Applied Mathematics, 234(5), 1458-1465.

*       Zhang, X., Zhang, W. G., & Xu, W. J. (2011). An optimization model of the portfolio adjusting problem with fuzzy return and a SMO algorithm. Expert Systems with Applications, 38(4), 3069-3074.