معرفی و بررسی ویژگیهای مرکزیت به عنوان معیاری نوین برای تحلیل شبکه، سنجش ریسک و انتخاب پرتفوی سهام
Publish place: Financial Research Journal، Vol: 23، Issue: 2
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 243
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JFR-23-2_001
تاریخ نمایه سازی: 10 بهمن 1400
Abstract:
هدف: مرکزیت، در تئوری شبکه، معیاری است برای برآورد میزان اهمیت و تاثیرگذاری یک عضو در ساختار کلی شبکه. هدف از این پژوهش، بررسی ویژگی های مرکزیت سهام و توانایی این معیار در تخمین ریسک و همچنین، امکان سنجی استفاده از این معیار برای تشکیل سبد سهام است. روش: در این پژوهش، ابتدا به بررسی ارتباط مرکزیت سهام با معیارهای پرکاربرد تخمین ریسک، مانند بتا و انحراف معیار بازدهی و همچنین، بررسی رابطه مرکزیت سهام پرداخته شد. وزن معیارها با استفاده از چارچوب مارکویتز به دست آمد. در پایان، پس از معرفی استراتژی مبتنی بر مرکزیت برای انتخاب پرتفوی، به کمک معیارهای مختلف ارزیابی عملکرد، نتایج با سایر روش های پرکاربرد مقایسه شد. یافته ها: یافته ها حاکی از آن است که در بورس اوراق بهادار تهران، مرکزیت می تواند نقش موثری در تخمین ریسک سهام ایفا کند و ارتباط معناداری بین مرکزیت و سایر معیارها وجود دارد. همچنین مشخص شد که سهام با مرکزیت کمتر، منافع مربوط به متنوع سازی پرتفوی را افزایش می دهند و استراتژی انتخاب پرتفوی با استفاده از مرکزیت در مقایسه با سایر روش های پرکاربرد انتخاب پرتفوی، عملکرد بهتری دارد و می تواند بازدهی موزون شده با ریسک بهتری خلق کند. نتیجهگیری: مرکزیت سهام، به عنوان معیاری برای تعیین اهمیت و تاثیرگذاری هر عضو یک شبکه، می تواند مانند سایر معیارهای پذیرفته شده برای توصیف ریسک سهام، مفید واقع شود. این توانایی توصیف ریسک باعث می شود که بتوان از مرکزیت برای تشکیل پرتفوی سرمایه گذاری بهره برد.
Keywords:
Authors
سعید فلاح پور
استادیار، گروه مالی و بیمه، دانشکده مدیریت دانشگاه تهران، تهران، ایران.
علی قهرمانی
دانشجوی کارشناسی ارشد، گروه مالی و بیمه، دانشکده مدیریت دانشگاه تهران، تهران، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :