کاربرد الگوریتم پیچش زمانی پویا و ضرایب همبستگی در خوشه بندی سری های زمانی به منظور تشکیل پرتفوی مبتنی بر شاخص

ردیابی شاخص که به عنوان یکی از روش های مدیریت غیرفعال سرمایه گذاری شناخته شده است، به دنبال تشکیل پرتفوی، به گونه ای است که در طول زمان با کمترین میزان خطا، بازده ای نزدیک به شاخص داشته باشد. در این پژوهش به بررسی کاربرد یک مدل برنامه ریزی صفر و یک در خوشه بندی سری های زمانی به منظور تشکیل پرتفوی ردیاب شاخص پرداخته شده است. به منظور اجرای فرآیند خوشه بندی، معیار های متنوع سنجش شباهت سری های زمانی از جمله، ضرایب همبستگی پیرسون، اسپیرمن، کندال و اردم و همچنین فاصله مبتنی رویکرد پیچیش زمانی پویا، مورد استفاده قرار گرفته است. آزمون خارج از نمونه بر روی نسبت بازار و خطای ردیابی پرتفوهای مبتنی بر شاخص 50 شرکت فعال تر بورس اوراق بهادار تهران 4 فصل تابستان 96، پاییز 96، زمستان 96 و بهار 97 نشان از این موضوع دارد که پرتفو ها در ردیابی شاخص موفق عمل نموده اند و متوسط خطای ردیابی روزانه پرتفوی مبتنی بر ضریب همبستگی پیرسون از دیگر پرتفو ها پایین تر است. همچنین آزمون سخت گیرانه مقایسات زوجی بر روی خطای ردیابی پرتفو ها نیز حاکی از آن است که خطای ردیابی پرتفوی ردیاب شاخص مبتنی بر ضریب همبستگی پیرسون، در سطح اطمینان 99 درصد به طور معنا داری از دیگر پرتفوها پایین تر است.