جستجوی مقالات مرتبط با کلیدواژه « پرتفوی » در نشریات گروه « مالی »
تکرار جستجوی کلیدواژه «پرتفوی» در نشریات گروه «علوم انسانی»-
نشریه تحقیقات مالی، پیاپی 71 (پاییز 1402)، صص 508 -528هدف
زمانی که هری مارکوویتز مقاله پیشگام مدل میانگین واریانس را در سال 1952 منتشر کرد، آثار زیادی در باب کاربردها و توسعه مدل های کلاسیک وجود داشت و با توجه به پیشرفت بازارهای مالی، بهینه سازی فعال پرتفوی به یکی از مباحث مهم مالی تبدیل شد. هدف اصلی این پژوهش بررسی و تحلیل مدیریت فعال پرتفوی، به عنوان تصمیم گیری مهم و حساس برای سرمایه گذاران، هم زمان با توجه به ریسک کل پرتفوی است؛ زیرا عوامل موثر بر انتخاب پرتفوی بهینه سهام با نرخ بازده بالا و ریسک کنترل شده، از موضوعاتی است که همواره در کانون توجه تمامی تحلیلگران و سرمایه گذاران و حتی مدیران پرتفوی قرار دارد.
روشتاکنون روش های زیادی برای سنجش ریسک سرمایه گذاری مطرح شده است؛ اما قیمت دارایی های ریسکی، به دلیل پیچیدگی بازار مالی، به سرعت و به طور تصادفی تغییر می کند و فاصله تصادفی، ابزار مناسبی برای توصیف عدم قطعیت تصادفی و عدم دقت است. با توجه به عدم قطعیت در بازارهای مالی، این پژوهش از فواصل تصادفی برای توصیف بازده دارایی ریسکی استفاده کرده است و ریسک دنباله در نظر گرفته شده، ارزش در معرض ریسک شرطی فاصله ای (ICVaR) نام گذاری شده است. ارزش فاصله ای در این مدل، بسط مدل پرتفوی کلاسیک است که می تواند به طور جامع، پیچیدگی بازار مالی و ریسک پذیری سرمایه گذاران را منعکس کند.
یافته هابا استناد بر نتایج به دست آمده از داده های واقعی 10 شرکت، از بین 30 شرکت بزرگ موجود در بازار بورس تهران، مدل ICVaR قابل تفسیر و سازگار با سناریوی عملی است و می تواند در سطوح مختلفی از ریسک و بسته به درجه ریسک پذیری سرمایه گذار، در انتخاب پرتفوی بهینه مناسب باشد. این پژوهش از رویکرد بهینه سازی پرتفوی تحت معیار جدید ارزش در معرض ریسک شرطی فاصله ای، از طریق قیمت پایانی، بالاترین قیمت و پایین ترین قیمت در هر روز معاملاتی استفاده کرده است. در این مدل، دامنه بازده دارایی پرریسک به عنوان یک متغیر تصادفی با ارزش فاصله ای به دست آمده است. همچنین برای توصیف ریسک، از CVaR با مقدار فاصله ای، به جای واریانس در یک سطح معینی از بازده استفاده شده است.
نتیجه گیریعدم قطعیت ناشی از معاملات دارایی، در پیش بینی های طرح های سرمایه گذاری تاثیر می گذارد. در این مطالعه، برای مواجهه با این گونه عدم قطعیت های چالش برانگیز، رویکرد بهینه سازی تصادفی استوار ارایه شد و محدوده راه حل های بهینه تولید شده مدل پیشنهادی، برای تعیین گزینه های مختلف عملیاتی بود. در نهایت، مدل ارایه شده در این پژوهش نشان داد که می توان ترجیح ذهنی یا تنفر سرمایه گذاران از ریسک را با رعایت اصل تنوع بخشی در پرتفوی توصیف کرد که به نوعی نوآوری متفاوتی از مدل کلاسیک پرتفوی را ارایه می دهد. همچنین با بهینه سازی استوار، تمام سناریوها با بدترین حالت ممکن در مدل بهینه شد و نتایج نشان داد که هر چه این دامنه کوچک تر در نظر گرفته شود، شدت ریسک گریزی سرمایه گذاران بیشتر نمایان می شود.
کلید واژگان: پرتفوی, متغیر تصادفی, ارزش فاصله ای, ارزش در معرض ریسک شرطی (CVaR), برنامه ریزی استوار}Financial Research, Volume:25 Issue: 71, 2023, PP 508 -528ObjectiveEver since Harry Markowitz's groundbreaking paper on the mean-variance model was published in 1952, numerous efforts have been dedicated to exploring the applications and advancements of classical models. Following the development of financial markets, active portfolio optimization has become one of the most important topics in finance. This study aimed to examine active portfolio management, a critical and delicate choice for investors, particularly concerning overall portfolio risk. The determination of an optimal stock portfolio that offers both a substantial return rate and controlled risk is consistently a subject of keen interest for analysts, investors, and even portfolio managers.
MethodsMany methods have been developed to measure investment risk, and the price of risky assets changes rapidly and randomly due to the complexity of the financial market. A random interval is a suitable tool for describing uncertainty with randomness and imprecision. Given the uncertainty in financial markets, this study used stochastic intervals to describe the returns of risky assets and the tail sequence risk, called the interval-valued conditional value at risk (ICVaR). The interval value in this model is an extension of the classic portfolio model, which can comprehensively reflect the complexity of the financial market and the risk-taking behavior of investors.
ResultsFollowing the findings from the real data of 10 out of 30 large corporates listed on the Tehran Stock Exchange, the ICVaR model is interpretable and compatible with the practical scenario and can be used to choose the optimal portfolio at different levels of risk and depending on the risk-taking degree of the investor. The present study used the portfolio optimization approach under a new criterion of ICVaR through the closing price, the highest price, and the lowest price on each trading day. In this model, the return range of the risky asset is taken as a random variable with an interval value. Besides, CVaR with an interval value is used to describe the risk instead of the variance at a certain level of return.
ConclusionUncertainties induced by asset transactions affect the predictions of investment plans. To address such challenging uncertainties in this study, a stable stochastic optimization approach was presented based on the range of optimal solutions produced by the proposed model to determine different operational options. Finally, the model developed in this study showed that investors’ subjective risk preference or aversion can be described by observing the principle of portfolio diversification, which reflects an innovation different from the classic portfolio model. Furthermore, the worst possible case was optimized in all scenarios in the model by robust optimization. The findings indicated that a narrower range corresponds to a higher level of risk aversion among investors.
Keywords: Portfolio, random variable, interval value, CVaR, Robust planning} -
سرمایه گذاران به دنبال انتخاب ترکیب بهینه ی دارایی ها و تخصیص ثروت خود در میان آن ها به گونه ای هستند که بتوانند به هدف سرمایه گذاری (افزایش درآمد قابل تصرف در دوره های آتی) دست یابند. مساله اصلی در این تحقیق با توجه به شرایط نقدشوندگی بالا یا نقدشوندگی پایین سهام شرکت ها و مدل های انتخاب پرتفوی، استفاده از ابزاری جدید جهت انتخاب پرتفوی سرمایه گذاری می باشد. نمونه آماری مورد بررسی برای 27 شرکت فعال در قلمروی زمانی از ابتدای فروردین ماه سال 1393 تا اسفند ماه 1397 در نظر گرفته شده است. نتایج پژوهش با استفاده از بهینه سازی پویا و خاصیت هم پوشانی بین زیرمساله ها نشان می دهند، استفاده از شاخص نقدشوندگی دارایی ها برای بهینه سازی پرتفوی با استفاده از و فرآیند بنچ مارک تفاوت معنی داری را در وزن ها، بازده و ریسک پرتفوی نسبت به مدل مارکویتز ایجاد نموده است. همچنین نتایج حاصل از محاسبه معیار ترینر نشان داد که مدل بهینه سازی به دست آمده از فرآیند بنچمارک تابع ارزش از پرتفوی های حاصل شده از مدل مارکویتز دارای عملکرد بالاتری می باشد.
کلید واژگان: پرتفوی, بهینه سازی, روش پویا, فرآیند بنچ مارک, نقدشوندگی}Investors are looking to choose the optimal combination of assets and allocate their wealth among them in such a way that they can achieve the goal of investing (increasing the revenue that can be seized in future periods). The main issue in this study, considering the conditions of high liquidity or low liquidity of companies' stocks and portfolio selection models, is the use of a new tool to select investment portfolio. The statistical sample for 27 companies active in the time domain from the beginning of April 2014 to March 2017 has been considered. The use of asset liquidity index to optimize portfolios using and benchmarking process has made a significant difference in portfolio weights, yields and risk compared to the Markowitz model. Also, the results of calculating the trainer criterion showed that the optimization model obtained from the benchmarking process of the value function has a higher performance than the portfolios obtained from the Markowitz model. .
Keywords: portfolio, Optimization, Dynamic Process, Benchmark, liquidity} -
برآورد ریسک سرمایه گذاری در یک پرتفوی ارز دیجیتال و بهینه سازی آن با استفاده از روش ارزش در معرض خطرارز دیجیتال یک صورت پیچیده از پول الکترونیک است. فرایند انتقال وجه در این سیستم کاملا مستقیم بوده ودر مقایسه با روش سنتی از هزینه و زمان کمتری برای انجام تراکنش ها به نقاط مختلف دنیا برخوردار است . ارزهای دیجیتال از سیستمی به نام بلاک چین استفاده می کنند، هر شخصی که با بلاک چین آشنا شود و مزایای آن را درک کند، جای خالی آن را در کشور ما را حس می کند. مزایایی مانند عدم امکان دستکاری اطلاعات، هوشمندسازی و غیرمتمرکزسازی فرایند ها،به همراه شفافیت بالا از جمله مسایلی است که افراد را به آینده این فن اوری خوش بین می کند.در این پژوهش تعدادی از ارزهای دیجیتال با بالاترین حجم معامله و نقدینگی جهت ایجاد پرتفوی انتخاب شده و با استفاده از روش در معرض خطر، ریسک و بازدهی پرتفوی محاسبه شده است و نهایتا پرتفوی بهینه جهت سرمایه گذاری ارایه گردیده است.کلید واژگان: ریسک, بازدهی, پرتفوی, ارز دیجیتال, ارزش در معرض خطر}Estimating the Investment Risk in a Digital Currency Portfolio and Optimizing it Using Value at RiskA digital currency is a complex form of electronic money.The process of transferring this system is quite direct, and compared to the traditional method, there is less cost and time for transactions to take place in different parts of the world. Digital currencies use a system called the Block chain,Anyone who understands the benefits of the Chinese block,It's empty in our country .Advantages such as the impossibility of manipulating information, intelligence and decentralizing processes, along with high transparency, are issues that optimistic about the future of this technology. In this research, we select a number of digital currencies with the highest transaction volume and liquidity to create portfolios. and calculated using the Value at Risk (VaR) approach and the return on the portfolio Finally, an optimal investment portfolio is offered.Keywords: Risk, Return, portfolio, Crypto currency, Value at risk}
-
تخصیص بهینه منابع مالی یکی ازمهمترین مسا ئل بازار سرمایه است. در یک بازار سرمایه کارا از بعد عملیاتی ،سرمایه در اختیار بهترین گزینه های سرمایه گذاری قرار میگیرد. بنابراین استفاده ازابزارهای مدیریت مناسب جهت کسب بازدهی بیشتر،گامی در راستای کاراترشدن مدیریت معاملات بازاراست. با توجه به زمینه های استفاده از شبکه های عصبی و منطق فازی در سرمایه گذاری سهام و پیش بینی مالی ،بکارگیری آنها در انتخاب پر تفوی مناسب می تواند نتایج مطلوبی برای سرمایه گذاران در پی داشته باشد.هدف اصلی این پژوهش دستیابی به پرتفوی سرمایه گذاری بهینه دربازارسرمایه بابکارگیری شبکه عصبی مصنوعی ومنطق فازی است. همراه بامدل مارکویتز،ازمدلهای ایجادشده طریق شبکه عصبی مصنوعی ومدل فازی استفاده گردید.از شرکتهای فعال در بورس اوراق بهادارتهران، که از سال 1386الی 1395 دارای بازده مثبت بوده اند برای تشکیل پرتفوی سرمایه گذاری انتخاب شدند.برای ارزیابی پرتفو های پیشنهادی در حالت های مختلف، به مقایسه بازده پرتفو های مختلف بر اساس بازده ماهیانه وسالیانه شرکت های عضووبهینه سازی پرتفوهای پیشنهادی با استفاده ازالگوریتم ژنتیک پرداخته شده است. این تحقیق نشان میدهدکه استفاده ازمدلهای فازی نسبت به مدلهای مذکوربازدهی بالاتری رابرای سرمایه گذاران فراهم می نماید.کلید واژگان: پرتفوی, مدیریت سرمایه گذاری, مدل مارکویتز, شبکه عصبی مصنوعی, منطق فازی, الگوریتم ژنتیک}One of the most important problems in capital market is allocating financial resources in an optimal fashion. In an effective capital market, from an operational point of view, the capital is allocated for the best investment option. Therefore, in order to establish more output, making use of appropriate management tools is a step toward more effective market management of transactions. Regarding backgrounds of applying Artificial Neural Networks and Fuzzy Logic in stocks investment and financial prediction, applying them in selecting an appropriate portfolio can lead to desired results for investors. The major goal of the current research is to achieve an optimal investment portfolio in capital market by applying Artificial Neural Network and Fuzzy Logic. Accompanied by Markowitz Model, models were used which were created through Artificial Neural Network. In order to establish investment portfolio, some of those companies were selected which were active in Tehran stock exchange, and which have had positive efficiency from the year 1386 to 1395. In order to evaluate the suggested portfolios in different conditions, the output of different portfolios based on the monthly and yearly output of the member companies were compared and optimization of suggested portfolios using genetic algorithm were carried out. The study shows that using the Fuzzy models versus mentioned models would provide higher output for the investors.Keywords: portfolio, Investment Management, Markowitz Model, Artificial Neural Network, Fuzzy Logic, Genetic Algorithm}
-
در پژوهش حاضر، تاثیر نوسانات نرخ ارز بر سطوح چولگی و کشیدگی بازده پرتفوی سهام به صورت تجربی مورد تحلیل قرار گرفته است. جامعه آماری پژوهش شامل شرکت های پذیرفته شده در «بورس اوراق بهادار تهران» طی سال های 1389 تا 1396 است که تعداد 114 شرکت به عنوان نمونه آماری پژوهش در نظر گرفته شدند. پژوهش از نوع همبستگی بوده و روش گردآوری داده ها در بخش مبانی نظری مبتنی بر مطالعات کتابخانه ای و در بخش آزمون فرضیه های پژوهش مبتنی بر اسنادکاوی صورت های مالی است. به طور کلی روش آماری مورد استفاده در این پژوهش روش رگرسیون داده های ترکیبی است. نتایج نشان داد که نوسانات نرخ ارز بر چولگی و کشیدگی بازده سهام، تاثیر معکوس و معنادار داشته است. تاثیر این نوسانات بر چولگی و کشیدگی سیستماتیک پرتفوی شرکت ها نیز ارزیابی شد و نتایج نشان داد که نوسانات نرخ ارز بر کشیدگی سیستماتیک پرتفوی تاثیر مستقیم داشته است؛ اما تاثیر آن بر چولگی سیستماتیک بازده تایید نشد.کلید واژگان: نوسانات نرخ ارز, چولگی بازده, کشیدگی بازده, پرتفوی}This study empirically has examined the effect of volatility in exchange rates on the levels of skewness and kurtosis of stock portfolio returns. The statistical population of research consists all of companies listed in Tehran stock exchange market during 2010 to 2017 that a number of 114 companies were considered as statistical sample of research. The research method is Correlation type and the method of gathering information in literature is based on library research and in the part of hypothesis testing is based on documentation of financial reports. Generally the statistical method had been used in this research is based on combinational data regression method. Results showed that exchange rate volatilities have negative and significant effect on the skewness and kurtosis of stock returns. Also the effect of these volatilities on the systematic skewness and kurtosis of were investigated and the results showed that the exchange rate volatilities have significant and direct effect on the systematic kurtosis of returns, but its effect on the systematic skewness of returns was not confirmed.Keywords: Volatility, in Exchange Rate, Skewness of return, Kurtosis of return, Portfolio}
-
در روش های قراردادی بهینه سازی پرتفوی ، پویایی قیمت ابزار مالی با کاپیولای گوسی[i] شرح داده می شود. در بهینه سازی با روش GC ، بدون در نظر گرفتن چولگی و کشیدگی نرخ بازدهی سرمایه، CVaR بهینه پرتفوی کمتر از مقدار واقع آن برآورد می شود. در این تحقیق، با معرفی فرایند های لوی[ii] راهی برای بهینه سازی پرتفوی ابداع و ارائه می گردد. به نحوی که در این روش، به جای GC، بر پویایی قیمت لگاریتمی دارایی ها با تابع کاپیولا ، واریانس گاما (VGC) تمرکز دارد. با مطالعه موردی که بر روی شاخص های بازار سهام ایران انجام شد، بهترین موقعیت های کم ریسک شاخص کل، شاخص بازار و شاخص صنعت با تابع عملکرد CVaR تحت مدل VG محاسبه گردید. نتایج نشان میدهد که: الف) CVaR با کاپیولای گوسی، میزان ریسک پرتفوی را کمتر از مقدار واقعی آن نشان می دهد. ب) پرتفوی بهینه، VaR و CVaR وقتی هر بار یک پارامتر از چولگی یا کشیدگی نمونه تغییر می کند، پایدار می مانند اما پرتفوی بهینه با افزایش یا کاهش میانگین نمونه به طور معنی داری تغییر می کند. ج) کاپیولای متفاوت، CVaR متفاوتی ایجاد می کند د) در ساختار بهینه سازی پرتفوی، کشیدگی و دم کلفت بودن (fat-tailedness) دارای اهمیت بسیار زیادی می باشد. [i]Gaussian Copula [ii]Levy processکلید واژگان: پرتفوی, CVaR, واریانس گاما, کاپیولا, مونت کارلو}Formal portfolio optimization methodologies describe the dynamics of financial instruments price with Gaussian Copula (GC). Regardless of the skewness and kurtosis of assets return rate, optimization with GC underestimates the optimal CVaR of portfolio. In the present paper, we develop an approach to portfolio optimization by introducing Lévy processes. It focuses on describing the dynamics of assets’ log price with Variance Gamma copula (VGC) rather than GC. Doing a case study on three Indexes of Iran Stock Market, the best hedge positions of Total Index, Market Index and Industry Index with the performance function CVaR under VG model were calculated. The results indicate that (a) VG copula can efficiently overcome the shortcomings of Gaussian copula which underestimates the CVaR of portfolio; (b) optimal portfolio, VaR and CVaR keep stable each time one parameter of sample’s skewness or kurtosis was changed, but the optimal portfolio change significantly when the sample’s mean increases or decreases; (c) different copula lead to different optimal CVaR; and (d) fat-tailedness and kurtosis are extremely important in portfolio optimization framework.Keywords: Portfolio, CVaR, Variance Gamma, Copula, Monte Carlo}
-
نشریه تحقیقات مالی، پیاپی 45 (بهار 1396)، صص 173 -192همواره تاثیر تنوع کسب وکار شرکت بر عملکرد موضوع بحث برانگیزی بوده است. مدل های کلی تاثیر تنوع بر عملکرد به سه گروه کلی دسته بندی می شوند: مدل های ایجاد ارزش، مدل های U معکوس و مدل های کاهش ارزش. تحقیقات مربوط به تاثیر استراتژی تنوع بر عملکرد هنوز به بلوغ نرسیده است؛ زیرا محققان در این زمینه اجماع نظر ندارند و به نتایج قابل تعبیر و پایداری دست نیافته اند؛ به ویژه اینکه تنوع بخشی پرتفوی شرکت های هلدینگ ایرانی تاکنون بررسی نشده است. در این پژوهش ما به بررسی تاثیر تنوع سبد کسب وکار بر عملکرد مالی و ریسک شرکت هلدینگ پرداخته ایم. بدین منظور 37 شرکت هلدینگ سهامی عام فعال در بورس اوراق بهادار تهران را طی سال های 1390 تا 1394 (5 سال) بررسی کردیم. روش استفاده شده، رگرسیون چندگانه داده های تابلویی است. برای بررسی اعتبار مدل و آزمون فرضیه ها، به ترتیب آزمون F و آزمون t در نرم افزار ایویوز 9 اجرا شده است. نتایج این تحقیق نشان می دهد در سطح اطمینان 95 درصد، تنوع سبد کسب وکار هلدینگ رابطه مستقیمی با بازده دارایی ها برقرار کرده است، اما تنوع رابطه خطی معناداری با انحراف بازده سهام ندارد.کلید واژگان: استراتژی تنوع, پرتفوی, ریسک, عملکرد مالی, هلدینگ}Financial Research, Volume:19 Issue: 45, 2017, PP 173 -192Up to now, the effects of diversification of business portfolio has been a controversial topic. Models of the effects of diversification on performance are categorized in three groups: Value Enhancing Models, Inverted-U Models and Value-Destroying Models. Researches on this subject have not achieved maturity because They have not achieved consensus on a single conclusion and These researches have not achieved interpretable and stable results. Specially diversification of Iranian holding companies have not been considered yet. In this survey, we consider the impact of business portfolio diversification on financial performance and risk. 37 LLP conglomerates that are active in The Teheran Stock Market are considered during 1390 to 1394 (5 years). For considering validity of model and coefficients respectively the F test and T test is used. These tests are done by Eviews 9. In the 95% level of confidence, the conclusions shows that there isnt a linear relationship between diversification with ROE and risk.Keywords: Diversification strategy, Financial performance, Risk, Portfolio, Holding company}
-
نشریه تحقیقات مالی، پیاپی 45 (بهار 1396)، صص 97 -118در این پژوهش با استفاده از داده های آماری ماهانه 24 شرکت سرمایه گذاری و با به کارگیری مدل لاکونیشوک (1992) طی دوره زمانی 1394- 1388، تاثیر رفتار توده واری بر عملکرد این شرکت ها بر اساس نظریه های مدرن و فرامدرن پرتفوی بررسی شده است. برای این منظور، ابتدا متغیر های پژوهش از لحاظ مانایی بررسی شدند، سپس از روش حداقل مربعات تعمیم یافته برآوردی (EGLS) و گشتاور تعمیم یافته (GMM) برای تجزیه و تحلیل داده و آزمون فرضیه ها استفاده شد. یافته ها نشان می دهد رفتار توده وار در شرکت های سرمایه گذاری بر معیارهای عملکرد هم بر اساس نظریه های مدرن و هم بر اساس نظریه های فر امدرن پرتفوی تاثیر منفی معناداری می گذارد. به بیان دیگر، توده واری بر کلیه معیارهای عملکرد، یعنی نسبت های جنسن، شارپ، ترینر، سورتینو، پتانسیل مطلوب، امگا و ترینر تعدیل شده و جنسن تعدیل شده، اثر منفی و معناداری دارد.کلید واژگان: پرتفوی, توده واری, شرکت های سرمایه گذاری, عملکرد, مالی رفتاری}In this research,by using statistical data of 24 accepted investment companies on a monthly basis, and by using Lakonishok model (1992) for the period 1388-1394, impact of herding behavior on the performance of the companies based on modern and post modern portfolio theory is examined. In order to analyze data and examine the hypothesis, after reviewing the static of variables, has been used by Generalized Method of Moments (GMM) and Generalized Least Squares (EGLS) methods of estimations. Results indicate that herding behavior in investment companies significant negative impact on performance criteria based on the theories of modern and post modern portfolio. In other words, herding behavior is negatively affected on all performance measures Jensen, Sharp, Trainer, Sortino, good potential, Omega, Trainer adjusted and Jensen adjustedKeywords: Herding, Investment companies, performance}
-
ریسک جز جدا نشدنی زندگی انسان ها در همه ادوار تاریخی می باشد، بنابراین توجه به آن نیز در همه زمان ها و مکان ها با شدت و ضعف وجود داشته است. ارزیابی ریسک در زمان های مختلف به اشکال گوناگونی توجه انسان ها را به خود جلب نموده است. اما در دنیای امروز که دارای پیچیدگی های زیادی است شناخت، اندازه گیری و محاسبه آن بسیار سخت شده است. این پیچیدگی در شناخت، اندازه گیری و محاسبه بویژه در بازارهای مالی دو چندان گشته است. بنابراین روش های متفاوتی برای این ارزیابی ایجاد شده اند که از راه حل های ساده شروع شده و به مدل های سخت ختم می شود. از آن جایی که محور توسعه در هر کشوری سرمایه گذاری می باشد و تا این عمل تحقق پیدا نکند، توسعه اتفاق نمی افتد بنابراین سرمایه گذار برای انجام سرمایه گذاری نیاز به دو آیتم دارد و به آنها توجه ویژه ای خواهد داشت یکی بازده و دیگری ریسک آن سرمایه گذاری می باشد. در محاسبه بازده دچار مشکل زیاد نمی شویم ولی آنچه ما را دچار مشکل می نماید، بحث چگونگی محاسبه ریسک است که یک متغیر کیفی است. بنابراین برای پاسخ گویی به سرمایه گذار روش های متفاوتی با توجه به نوع داده های تخمین زننده پارآمترهای مدل های تبیین کننده ریسک طراحی و پا به عرصه وجود گذاشته اند. در میان این مدل ها دو گروه از مدل های ناپارآمتریک و شبکه عصبی در این تحقیق مورد بررسی قرار می گیرند تا توان این دو گروه را در پیش بینی ارزش در معرض خطر پرتفوی 21 شرکت سرمایه گذاری در بازار سرمایه ایران مورد سنجش قرار گیرد و مدل برتر معرفی شود.کلید واژگان: ریسک, بازده, پرتفوی, ارزش در معرض خطر, شرکت های سرمایه گذاری, روش ناپارآمتریک, شبکه عصبی}Risk is not separable from the life of human in the whole history. So noticing to the risk was always existing. Evaluating risk were existing in different ways. In todays world which is so complicated understanding and calculating of the risk has become so difficult. This calculation has become so difficult in financial market more. So there are many ways for this calculation from the simplest to the easiest. With regard to development in each country without investment there would be no develop. So ever investor for investment will need to item one is return and the other one is risk. . calculating return is not so much difficult, but the calculation of risk is so difficult and is a qualitative variable. So for answering the need of investors many ways emerged to solve and explain the risk. Between existing models two kind of models nonparametric and Nero net are investigated in this research in order to predict the value at risk of 21 investment companies in capital market of Iran. Then the best model is presented.Keywords: Risk, Return, Portfolio, Value at Risk, Investment Companies, Nonparametric Method, Nero networke}
-
یافتن بهترین را جهت بهینه سازی پرتفوی پس از انتشار مقاله مارکویتز در سال 1952 همواره یکی از دغدغه های فعالان در صنعت مدیریت سرمایه گذاری بوده و خواهد بود. ورود مدلهای ریاضی و پژوهش عملیاتی یکی از فعالیتهایی است که در دهه اخیر توانسته بهینه سازی پرتفوی را تحت تاثیر دهد. تحقیق حضر تلاشی است در جهت بهینه سازی پرتفوی با استفاده از بهینه سازی پایدار و تخمین ریسک و بازده پرتفوی و مقایسه ریسک و بازدهی پیش بینی شده این مدل با ریسک و بازده پیش بینی شده در مدل کلاسیک. در این تحقیق به بررسی 115 پرتفوی ماهانه در طول تقریبا 10 سال پرداخته شده و ریسک و بازدهی هر پرتفوی براساس دو مدل بهینه سازی پایدار و کلاسیک تخمین زده شد و در مرحله بعد با استفاده از آزمون میانگین زوجی به بررسی وجود تفاوت معنادار بین ریسک و بازده پیش بینی شده در دو مدل فوق پرداخته شد. در تحقیق حاضر مشخص شد بازده پیش بینی شده پرتفوی در مدل پایدار تفاوت معناداری با بازده پیش بینی شده در مدل کلاسیک و ریسک پیش بینی شده در مدل پایدار با ریسک پیش بینی شده در مدل کلاسیک تفاوت معنا داری ندارد. اما با بررسی بازدهی و ریسک پرتفوهای تشکیل شده براساس وزن ارائه شده توسط هر یک از مدلها، مشخص گردید در بازار ایران بازده واقعی از هر دو روش تفاوت معناداری با یکدیگر ندارند. این در حالی است که ریسک واقعی پرتفوهای بهینه شده با روش پایدار کمتر از ریسک پرتفوهای بهینه شده با روش کلاسیک می باشد. نتایج بدست آمده در تخمین بازدهی کاملا منطبق بر یافته های مطالعات خارجی و در تخمین ریسک با این تحقیقات نتیجه متفاوتی دارد. این در حالی است که هیچ یک از مطالعات انجام شده داخلی و خارجی به عملکرد پرتفوهای بهینه شده با این دو مدل در واقعیت نپرداخته اند.
کلید واژگان: ریسک, بازده, پرتفوی, بهینه سازی کلاسیک, بهینه سازی پایدار} -
برای هر تصمیم سرمایه گذاری در اقتصاد، ما نیاز داریم با توجه به تابع مطلوبیت فرد سرمایه گذار که یک موضوع رفتاری می باشد، میزان عایدات آن تصمیم را با میزان خطرات آن در یک ترازو نسبتا« دقیق سنجش نمائیم، تا فرد مورد نظر بتواند انتخاب درست داشته باشد. به منظور محاسبه دقیق بازده و به ویژه ریسک سرمایه گذاری ها، مدل های متقاوتی برای پیش بینی ریسک پا به عرصه وجود گذاشته اند تا میزان ریسک را با توجه به نیاز مدل و چگونگی پراکندگی داده ها محاسبه نمایند. در این پژوهش ما میزان ریسک ارزش در معرض خطر پرتفوی بیست و یک شرکت سرمایه گذاری را از طریق دو روش پارآمتریک (اقتصاد سنجی) و ناپارآمتریک (مونت کارلو) مورد بحث قرار می دهیم و آنگاه از طریق آزمون لوپز مطلوب ترین روش را معرفی می نمائیم.
کلید واژگان: ریسک, بازده, پرتفوی, ارزش در معرض خطر, شرکت های سرمایه گذاری, روش پارآمتریک, روش ناپارآمتریک} -
در دنیای پیچیده ای که ریسک جز لاینفک سرمایه گذاری ها گشته و برای سرمایه گذاری در هر جا ابتدا« می بایست ریسک آن را محاسبه نمود و در اختیار سرمایه گذار قرار داد تا وی به این نتیجه برسد که در مکان مورد نظر سرمایه گذاری نماید یا خیر! محاسبه ریسک معنی و مفهوم پیدا می کند. بنابراین برای پاسخ گویی به سرمایه گذار روش های متفاوتی با توجه به نوع داده های تخمین زننده پارآمترهای مدل های تبیین کننده ریسک طراحی و پا به عرصه وجود گذاشته اند. در میان این مدل ها دو گروه از مدل های اقتصاد سنجی و شبکه عصبی در این تحقیق مورد بررسی قرار می گیرند تا توان این دو گروه را در پیش بینی ارزش در معرض خطر پرتفوی21 شرکت های سرمایه گذاری در بازار سرمایه ایران مورد سنجش قرار گیرد و مدل برتر معرفی شود.کلید واژگان: ریسک, بازده, پرتفوی, ارزش در معرض خطر, شرکت های سرمایه گذاری, روش پارآمتریک, شبکه عصبی}
-
گسترش و پیچیدگی روزافزون بازارهای مالی، تصمیم گیری در خصوص انتخاب نوع دارایی را برای سرمایه گذاران دشوار نموده است؛ از سویی بر اساس نظریه مدرن پرتفوی، متنوع سازی سرمایه گذاری ها می تواند منجر به کاهش نوسان ها در عین حفظ متوسط بازده گردد. همچنین با توجه به پیچیده شدن و سرعت عوامل تاثیرگذار، تشکیل پرتفوی بهینه با روش های سنتی کار دشواری است. هدف این پژوهش بهینه سازی پرتفوی متشکل از سهام صندوق های سرمایه گذاری مشترک با استفاده از الگوریتم ژنتیک و مقایسه آن با روش سنتی می باشد و همچنین تاثیر اندازه سبد سرمایه گذاری نیز مورد بررسی قرار گرفته است. برای این منظور، داده های 30 صندوق سرمایه گذاری مشترک فعال در بازار سرمایه ایران در طی سال های 1389 الی 1391 گردآوری شده است. نتایج حاکی از آن است که الگوریتم ژنتیک می تواند جهت انتخاب سبد متشکل از سهام صندوق های مشترک به کار رود و با استفاده از آزمون زوجی مشخص شد که سبدهای تشکیل شده با استفاده از الگوریتم ژنتیک نسبت به روش سنتی مطلوب تر می باشند. همچنین اندازه سبد تاثیر چندانی بر نتایج نداشته و در تمام سطوح، الگوریتم ژنتیک دارای عملکرد بهتری است. ضمنا هرچه تنوع سبد تشکیل شده بیشتر و بزرگ تر باشد، برتری عملکرد الگوریتم ژنتیک بر روش خطی قابل ملاحظه تر می شود.
کلید واژگان: پرتفوی, صندوق سرمایه گذاری مشترک, الگوریتم ژنتیک}Expansion and growing complexity of financial markets, makes difficult Choosing assets for investors; Meanwhile, based on portfolio theory, diversification, while maintaining average returns, leads to lower fluctuations. Also, due to the complexity and speed of effective factors, constitution of optimal portfolio with Using traditional methods is difficult. This study is aimed at optimizing the portfolio consists of shares of mutual funds using genetic algorithm and comparing it with the traditional approaches and the impact of portfolio sizehas also been studied. For this purpose, the data of 30 mutual funds in the Iran's stock market from 2011 till 2013 are collected. Results indicate that genetic algorithms can be used to select a portfolio of shares of mutual funds. Using paired t-test determined that using genetic algorithms in portfolio selection is better than traditional methods. Also, the size of the portfolio did not influence the results and at all level, the genetic algorithm has better performance. Meanwhile, the larger and more diversified portfolio, genetic algorithm performance advantage over linear methods is more significant.Keywords: Portfolio, Mutual fund, Genetic Algorithm} -
در دنیای پیچیده امروزی که در هر لحظه ما شاهد تغییرات بسیار عمده بر ارکان مختلف تاثیر گذار بر سطح سودآوری شرکتها می باشیم، که هر کدام از این تغییرات می توانند گروهی از شرکتها را به اوج و گروهی دیگر را نابود نمایند، بنابراین تصمیمات سرمایه گذاری برای افراد حقیقی و حقوقی بشدت تحت تاثیر این تغییرات قرار می گیرد و برای کاهش ریسک ناشی از این تغییرات می بایست یک پرتفوی مطلوب تعیین نموده تا از ره گذر این تغییرات کمترین آسیب را ببینند، معامله گران در بازارهای سرمایه از مدلهای متفاوتی جهت تعیین ارزش در معرض خطر پرتفوی خود استفاده می نمایند، که هر کدام از این مدلها برای تعیین ارزش در معرض خطر پرتفوی از مفروضات خاصی استفاده می نمایند.
این مقاله سعی دارد که از طریق مدل های اقتصاد سنجی ارزش در معرض خطر پرتفوی واقعی 21 شرکت سرمایه گذاری که در بازار سرمایه کشور به فعالیت می پردازند، را مورد بررسی قرار داده و آنگاه قدرت پیش بینی این مدلها را با یکدیگر مقایسه نموده و مدل برتر را معرفی کند.کلید واژگان: ریسک, بازده, پرتفوی, ارزش در معرض خطر, شرکت های سرمایه گذاری, مدل های اقتصاد سنجی}In today’s complicated world, we are witness many elements that affect on the profit level of companies. Each of these changes can promote group of companies to the top while destroy other group. So investment decision for actual and legal companies are severely depended on these changes. For decreasing the risk of these sudden changes a desirable portfolio should be determined to avoid least damages from changes. Dealers uses different models to determine the risk value of their portfolio in the capital market. Each of these models uses specific assumptions to determine value under the risk of portfolio. this paper intend to survey risk value of 21 investment companies by using theeconometrist models. Then to compare the prediction power of each models, and introduce the superior model.
Keywords: Portfolio, value at risk, investment companies, econometrist modelsResults} -
از آنجایی که خلق ثروت برای رشد و توسعه همه جانبه هر جامعه ای مد نظر می باشد و برای خلق ثروت نیاز به سرمایه گذاری و منشا سرمایه گذاری پس انداز می باشد، و پس اندازه زمانی اتفاق می افتد که فرد مصرف خود را به تاخیر اندازد تا در آینده بتواند حداقل مصرفی به میزان حال بدست آورد، بنابراین در امان بودن این سرمایه گذاری از خطرات برای سرمایه گذار از اهمیت ویژه ای برخوردار می گردد، به همین دلیل روش های زیادی برای پیش بینی خطراتی که یک سرمایه گذار با آن برخورد می نماید، بوجود آمده است. در این مقاله پس از بررسی مبانی نظری مدل های پیش بینی کننده ناپارامتریک ارزش در معرض خطر، پرتفوهای بیست و یک شرکت سرمایه گذار فعال در بازار سرمایه کشور برای نه سال مورد بررسی قرار می گیرد، تا توان تبیین این مدل در سنجش ارزش در معرض خطر پرتفوی شرکت ها مورد بررسی قرار گیرد.کلید واژگان: ریسک, بازده, پرتفوی, ارزش در معرض خطر, شرکت های سرمایه گذاری, مدل های ناپارامتریک, مدل مونت کارلو}
-
از آنجائیکه خلق ثروت و ایجاد اشتغال در یک جامعه جز از طریق سرمایه گذاری امکان پذیر نیست و از طرف دیگر با توجه به پیچیده تر شدن روابط بین متغیرهای تاثیر گذار بر سرمایه گذاری همیشه سرمایه گذاری در خطر نابودی قرار دارد، بنابراین پیدا نمودن راهکارهای که بتواند حدی از خطر را پیش بینی نماید، می تواند رضایت بخش باشد. در نتیجه تصمیمات سرمایه گذاری افراد حقیقی و حقوقی بشدت تحت تاثیر این راهکارها قرار می گیرند و برای کاهش ریسک ناشی از این تغییرات می بایست یک پرتفوی مطلوب تعیین نموده تا از ره گذر این تغییرات کمترین آسیب را ببینند، معامله گران در بازارهای سرمایه از مدلهای متفاوتی جهت تعیین ارزش در معرض خطر پرتفوی خود استفاده می نمایند، که هر کدام از این مدلها جهت تعیین ارزش در معرض خطر پرتفوی از مفروضات خاصی استفاده می نمایند. این پژوهش سعی دارد که از طریق شبکه عصبی ارزش در معرض خطر پرتفوی واقعی 21 شرکت سرمایه گذاری که در بازار سرمایه کشور به فعالیت می پردازند، را مورد بررسی قرار داده و قدرت پیش بینی آنرا مشخص کند.کلید واژگان: ریسک, بازده, پرتفوی, ارزش در معرض خطر, شرکت های سرمایه گذاری, شبکه عصبی, شبکه عصبی پرسپترون}
-
محققان مالی طی شش دهه گذشته روش های زیادی برای انتخاب پرتفوی سرمایه گذاری ارائه کرده اند. مدل مارکویتز برای انتخاب پرتفوی تنها بر مبنای دو معیار است: ریسک و بازده، اما انتخاب سهام مناسب برای تشکیل پرتفوی فرایندی پیچیده است که این پیچیدگی ناشی از تاثیر معیارهای مختلف در تصمیم های سرمایه گذاری و نیز ترجیحات شخصی سرمایه گذار است و با واژه های زبانی ابراز می شود.
مقاله حاضر رویکردی ترکیبی و جدید برای انتخاب پرتفوی دارد که شامل دو مرحله است: در مرحله اول، از روش برنامه ریزی ترجیح های فازی لگاریتمی برای تعیین وزن معیارهای موثر در انتخاب سهام استفاده می شود و در مرحله دوم، سهام موجود در نمونه این تحقیق با روش پرومته رتبه بندی می شود و سهام برتر برای تشکیل پرتفوی انتخاب می شود. روش حاضر هم برای انتخاب سهام موجود در پرتفوی و هم برای تعیین میزان سرمایه گذاری در هر سهم استفاده می شود.
نتیجه پژوهش نشان می دهد، بین میانگین معیار شارپ ماهانه پرتفوهای سه، پنج و پنجاه سهمی مدل پیشنهادی و مدل مارکویتز تفاوت معنا داری وجود دارد؛ ولی بین میانگین معیار شارپ ماهانه پرتفوی ده سهمی مدل پیشنهادی و مدل مارکویتز تفاوت معنا داری وجود ندارد.
کلید واژگان: پرتفوی, تصمیم گیری چندمعیاره, ترجیح های فازی لگاریتمی, پرومته} -
این پژوهش با موضوع بهینه سازی پرتفوی بورس با استفاده از الگوریتم ژنتیک بر مبنای مدل مارکوویتز و متد خاص همگرایی و جهت ارزیابی ریسک و بازده برای مینیمم کردن ریسک جهت سرمایه گذاری مناسب در راستای بهینه سازی پرتفوی با در نظر گرفتن نرخ بازده مورد انتظار طراحی شده است دراین تحقیق با در نظر گرفتن دانش مدیریت مالی و تحقیق در عملیات تلاش می گردد تا مدلی جهت ارزیابی ریسک و بازده برای سرمایه گذاری مناسب در پرتفویی بهینه ارائه دهد. در این تحقیق 50 شزکت برتربورس در سال 89 مورد مطالعه قرار گرفته ،سپس با استفاده از اندیکاتور CCI این 50 شرکت به 21 شرکت تقلیل پیدا نمودند.در مرحله دوم با استفاده از مدل مارکوویتز ریسک پرتفوی 21 سهم را توسط الگوریتم ژنتیک توسط نرم افزار مطلب حل و سپس با متد خاص همگرایی )مدل کیسینوس ها(cos))ریسک سهام را به طور مجزا با الگوریتم ژنتیک برای بازده های متفاوت حل میکنیم فرضیه ای برای اصلاح مدل مارکوویتز مطرح میشود که با استفاده از ازمون آماری ویلکاکسون به نتیجه مثبت رسیدیم. ودرنهایت به این نتیجه میرسیم که همیشه پرگونه سازی پرتفوی به نفع سرمایه گذار نمی باشد واز یک جایی به بعد بهتر است که متنوع سازی را متوقف کنیم.کلید واژگان: پرتفوی, الگوریتم ژنتیک, اندیکاتور cci, ریسک و بازده}
-
در تحقیق حاضر از استراتژی متوازن سازی مجدد پرتفوی به عنوان یک راهکار مناسب جهت تجدید نظر سازی سهام سرمایه گذار با توجه به هزینه های معاملاتی با رویکرد فازی،استفاده شده است.مدل طراحی شده بر اساس سه فاکتور کلیدی بازده مورد انتظار، ریسک و درجه نقد شوندگی سهام می باشد. به منظور آزمون مدل، داده ها و اطلاعات سهام مورد معامله در بورس اوراق بهادار تهران طی سالهای 1388 تا 1390 را استفاده کرده و ضمن وارد کردن سطوح انتظارات ذهنی سرمایه گذاران، کارایی مدل را طی دو سناریو مورد بررسی قرار گرفته است. نتایج به خوبی می تواند سطوح ذهنی مورد انتظار سرمایه گذاران نسبت به بازدهی مورد انتظار، ریسک و نقدشوندگی، به منظور متوازن سازی مجدد پرتفوی سرمایه گذار ی که بکار گرفته شده است را نشان دهد.کلید واژگان: پرتفوی, بازده, ریسک, نقد شوندگی, متوازن سازی مجدد پرتفوی}In this paper, we used portfolio rebalancing strategy as a mechanism for review of the stock of investor The Fuzzy approach to trading costs. The designed Model is based on three key factors, expected return, risk and the stock Degree of liquidity.
To test the model, we used data and information of traded stocks on the Tehran Stock Exchange during the period 1388 to 1390 and with arrival of Enter the subjective expectations levels of investors, we have examined the performance of the model in two scenarios. The results can show the subjective expectations levels of investors than expected return, risk and liquidity in order to re-balancing of Investors portfolio.Keywords: Portfolio, return, Risk, Liquidity, portfolio Rebalancing} -
ارزش در معرض خطر، یک معیار مهم اندازهگیری ریسک در بازارهای مالی است که ریسک بازار را در یک عدد بیان میکند. روش هایی برای محاسبهی این معیار ریسک، نظیر روش پارامتریک، شبیه سازی تاریخی و شبیه- سازی مونت کارلو وجود دارند که در اکثر متون مربوط به ریاضی مالی و مهندسی مالی، بیان شدهاند. اما همهی این روش ها از یک روش محاسبهی چهارگامی پیروی میکنند، که به ندرت در این دسته از متون دیده میشود. این در حالیست که در صورت بروز پیچیدگی هایی در مدلسازی های مالی، استفاده از این روش های محاسبه، به اندازهی کافی کارا نیست، چرا که استفاده از این روش ها، مستلزم در نظر گرفتن یک سری از فرضیات نظیر در نظر گرفتن توزیعی خاص در مورد توزیع احتمال بازده دارایی ها و یا در نظر گرفتن رابطهای خطی بین عوامل ریسک بازار و ارزش دارایی و یا مفروضاتی دیگر است. بنابراین در این پژوهش علاوه بر تشریح فرایند محاسبه ارزش در معرض خطر، نحوهی پیادهسازی آن بر روی یک مدل بهینهسازی سرمایهگذاری، با در نظر گرفتن قیدی بر روی ارزش در معرض خطر، بدون در نظر گرفتن فرضی خاص، بیان میشود.
کلید واژگان: ریسک, ارزش در معرض خطر, فرایند چهارگامی محاسبه VaR, پرتفوی}
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2024 magiran.com All Rights Reserved.