بهینه سازی سبد سهام با استفاده از روش Mean-CVaR و رویکرد ناهم سانی واریانس شرطی متقارن و نامتقارن
Publish place: Financial Research Journal، Vol: 22، Issue: 2
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 194
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JFR-22-2_001
تاریخ نمایه سازی: 10 بهمن 1400
Abstract:
هدف: مدیریت ریسک یکی از حوزه های مهم پژوهشی در رشته مالی است که مدیران و سرمایه گذاران بسیاری در بخش های مختلف به آن توجه کرده اند، به خصوص با وقوع بحران های مالی در سال های اخیر، اهمیت اجرای پژوهش های دقیق تر در این حوزه دوچندان شده است. هدف اصلی این پژوهش، ارائه مدلی برای اندازه گیری دقیق تر ریسک در پرتفولیوهای سهام است. روش: برای اجرای این پژوهش، از قیمت پایانی تعدیل شده ۳۰ شرکت بورسی که نمونه آماری این پژوهش بودند، استفاده شده است. با در نظر گرفتن مدل CVaR به عنوان مدل اصلی پژوهش و با استفاده از روش های مختلف مدل سازی واریانس، ۴ مدل مجزا به دست آمد. در روش نخست، ارزش در معرض ریسک شرطی با بهره گیری از واریانس ثابت محاسبه شده است و در ۳ روش دیگر، واریانس از مدل های GARCH و E-GARCH و T-GARCH مدل سازی شده است. یافته ها: در نهایت، نتایج به دست آمده با دو آزمون آماری مقایسه زوجی و ویلکاکسون سنجیده شدند. نتایج هر دو آزمون نشان داد که مدل سازی واریانس در دستیابی به پرتفوی بهینه تر، عملکرد بهتری دارد. نتیجه گیری: بر اساس یافته های پژوهش و تایید فرضیه های اصلی پژوهش، می توان نتیجه گرفت که در نظر گرفتن ناهم سانی واریانس موجود در بازار مالی ایران و وارد کردن این موضوع در مدل های بهینه سازی، به عملکرد بهتر در بهینه سازی سبدهای سرمایه گذاری می انجامد. همچنین یافته ها نشان داد که استفاده از مدل CVaR به جای مدل های سنتی ریسک، به صورت معناداری در بهبود عملکرد این صندوق ها موثر است.
Keywords:
Authors
رضا راعی
استاد، گروه مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.
حامد باسخا
دانشجوی دکتری، گروه مالی بانکداری، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.
حسین مهدی خواه
کارشناس ارشد، گروه مدیریت مالی، 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 :