بهینه سازی سبد سرمایه گذاری با استفاده از روش های خوشه بندی

چکیده:
مساله انتخاب سبد سرمایه گذاری و بهینه سازی، یکی از موضوعات مهم در حوزه سرمایه گذاری است. در این فرایند سعی بر آن است که سرمایه گذار بازای هر نرخی از بازده، کمترین ریسک ممکن را متحمل شود. اگر اطلاعاتی که در جریان بهینه سازی سبد سرمایه گذاری استفاده شده اند، دچار عدم قطعیت های آماری و یا در معرض نویز باشند، به کارایی سبد سرمایه گذاری لطمه وارد می شود. هدف این مقاله، حذف نویز اطلاعات ماتریس ضرایب همبستگی از طریق روش های خوشه بندی است. برای این منظور، دو روش خوشه بندی اتصال واحد و اتصال میانگین به کار گرفته شد و براساس اطلاعات بازده روزانه 80 شرکت بورس اوراق بهادار تهران در بازه فروردین 1385 تا اسفند 1392، سبد سرمایه گذاری بهینه به دست آمد. نتایج نشان می دهد میزان اختلاف ریسک پیش بینی شده و ریسک مشاهده شده در این سبد سرمایه گذاری کمتر است و از طرفی درمجموع، ریسک کمتری را به سرمایه گذار تحمیل می کند. همچنین با هدف تحلیل حساسیت نتایج دو روش، یک مطالعه بوت استرپینگ در تعداد سهام و افق های زمانی مختلف انجام گرفت، در بیشتر حالت ها بهبود عملکرد سبد سرمایه گذاری مشاهده می شود.
زبان:
فارسی
صفحات:
1 تا 16
لینک کوتاه:
magiran.com/p1641749 
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.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
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!