کاربرد مولفه های اصلی (PCA) در مدیریت سبد سرمایه گذاری، مطالعه موردی: ۵۰ شرکت برتر بورس اوراق بهادار

Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 149

This Paper With 25 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_FBARJ-3-1_003

تاریخ نمایه سازی: 9 مهر 1401

Abstract:

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. تئوری 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 ۵۰ شرکت شاخص برتر بورس و سهام مربوطه است برای دوره زمانی ۱۳۹۵-۰۲-۰۶ الی ۱۱-۰۹- ۱۳۹۹ برای ۱۰۲۷ 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 (۱/N) مقایسه شده است. همچنین یک چارچوب پس آزمایی برای ارزیابی عملکرد سبدهای سرمایه گذاری ای که ارائه 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.

Keywords:

تحلیل مولفه های اساسی , بهینه سازی , سبد سهام , ریسک سیستماتیک

Authors

مرضیه نوراحمدی

نویسنده مسول: استادیار، دکتری مهندسی مالی، گروه حسابداری و مالی، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد، یزد، ایران

حجت الله صادقی

استادیار، گروه حسابداری و مالی، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد، یزد، 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 :