کاربرد مولفه های اصلی (PCA) در مدیریت سبد سرمایه گذاری، مطالعه موردی: 50 شرکت برتر بورس اوراق بهادار

تشکیل سبد سرمایه گذاری یکی از اصلی ترین دغدغه های مدیران و سرمایه گذارانی است که همواره در جست وجوی تلاش برای تشکیل بهترین سبد سرمایه گذاری هستند تا بتوانند بیشترین بازده را از بازار بدست آورند. تاکنون روش های زیادی برای تشکیل سبد سرمایه گذاری معرفی شده است که مشهورترین آن رویکرد مارکویتز است. تیوری میانگین-واریانس به دلیل دشواری در تخمین بازده مورد انتظار و کواریانس برای طبقات مختلف دارایی دارای اشکالات عملی زیادی است. هدف از این پژوهش به حداکثر رساندن بازده تنظیم شده با ریسک در سبد سهام با استفاده از روش PCA در یک مجموعه داده از بازده سهام است. مجموعه داده مورد استفاده برای این مطالعه موردی، داده های روزانه تعدیل شده 50 شرکت شاخص برتر بورس و سهام مربوطه است برای دوره زمانی 1395-02-06 الی 11-09- 1399 برای 1027 روز معاملاتی است. از یک الگوریتم کاهش بعد (PCA) برای تخصیص سرمایه به کلاس های مختلف دارایی برای به حداکثر رساندن بازده های تعدیل شده توسط ریسک استفاده می کنیم و نتایج آن را با رویکرد تخصیص وزن برابر (1/N) مقایسه شده است. همچنین یک چارچوب پس آزمایی برای ارزیابی عملکرد سبدهای سرمایه گذاری ای که ارایه شده است، معرفی می -شود. مطابق نتایج نشان داده شد که واریانس توضیح داده شده توسط سه مولفه اصلی می تواند به عنوان شاخصی برای شناسایی مهم ترین ریسک های کسب و کار باشد.