بررسی امکان بهینهسازی سبد سرمایهگذاری با حداقل ساختن ارزش در معرض ریسک شرطی مبتنی بر مدل کاپولا و داده های شبیه سازی شده در بورس اوراق بهادار تهران
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
مطالعات متعدد در بازارهای مالی جهان موید این واقعیت هستند که می توان با بکارگیری معیارهای متناسب با ساختار و ویژگی های داده های مورد مطالعه، کارکرد مدل های مورد بررسی را به نحو قابل توجهی بهبود داد. در این میان تابع کاپولا از جمله مدلهایی است که در تعیین روابط توام متغیرهای مدل، توجه زیادی را به خود معطوف ساخته است.
در این پژوهش، در بهینه سازی پورتفویی از شاخص صنایع در بورس اوراق بهادار تهران با هدف حداقل ساختن ارزش در معرض ریسک شرطی، داده های شبیه سازی شده براساس همبستگی ناشی از تابع کاپولا و توزیع تعمیم یافته پارتو بعنوان ورودی مدل مبنای بررسی قرار گرفت. براساس آزمون آماری صورت گرفته با بکارگیری این رویه، عملکرد پورتفوی به طور معناداری بهبود می یابد.
در این پژوهش، در بهینه سازی پورتفویی از شاخص صنایع در بورس اوراق بهادار تهران با هدف حداقل ساختن ارزش در معرض ریسک شرطی، داده های شبیه سازی شده براساس همبستگی ناشی از تابع کاپولا و توزیع تعمیم یافته پارتو بعنوان ورودی مدل مبنای بررسی قرار گرفت. براساس آزمون آماری صورت گرفته با بکارگیری این رویه، عملکرد پورتفوی به طور معناداری بهبود می یابد.
کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
1 تا 16
لینک کوتاه:
magiran.com/p1845293
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!