مدیریت سبد سهام با استفاده از روش Diagonal-Vech(p,q)-MGARCH
Publish place: The first National Conference on the Place of Management and Accounting in the Modern World of Business, Economy and Culture
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,013
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NATIONCONF01_384
تاریخ نمایه سازی: 4 آذر 1393
Abstract:
این تحقیق با موضوع مدیریت سبد سهام با استفاده از روش Diagonal-Vech(p,q)-MGARCH سعی دارد با تلفیق 3 دانشمدیریت سرمایه گذاری، اقتصادسنجی و مدیریت مالی اقدام به تشکیل سبد سهام و مدیریت آن به کمک مدل Diagonal-Vechاز سری مدل های MGARCH کند.این نوع از مدل ها یکی از ابزارهای بسیار مناسب برای تحلیل و پیش بینی نوسانات سری های زمانی ای است که در طول زماننوسان دارند. همچنین در ادبیات اقتصاد سنجی به منظور تخمین ماتریس کوواریانس شرطی، از این مدل استفاده می شود و با دردست داشتن ماتریس کوواریانس شرطی و بازدهی مورد انتظار سرمایه گذاری های موجود در سبد، وزن بهینه ی سرمایه گذاریهای موجود در سبد را تعیین می کنیم.سبد سرمایه گذاری متشکل از سهام صنایع منتخب خودرو و ساخت قطعات ، مواد و محصولات دارویی ، محصولاتشیمیایی ، کاشی و سرامیک و قند و شکر عضو سازمان بورس اوراق بهادار تهران می باشد. شاخص قیمت این 0 صنعت رابین اول آبان 1331 تا اول آبان 1310 استخراج می کنیم.نتایج نشان می دهند؛ بر اساس این مدل، وزن بیشتری از سبد به صنایعی اختصاص می یابد که نوسانات کمتری در بازدهی سهامآن ها وجود داشته است. نتایج هم چنین نشان می دهد، در دوره هایی که نوسان بازدهی بالا بوده، سهم بهینه ی صنعت از سبدسرمایه گذاری رو به کاهش گذاشته و بر عکس افزایش سهم بهینه از سبد برای یک صنعت مربوط به دوره هایی بوده که نوسانبازدهی سهام پایین بوده است .
Keywords:
تئوری سبد سرمایه گذاری مارکوویتز , سری های زمانی , مدل چند متغیره GARCH , ماتریس کوواریانس شرطی زمان-متغیر , وزن بهینه از سبد سرمایه گذاری
Authors
کامیار عسکری
دانشجوی کارشناسی ارشد مدیریت صنعتی دانشگاه آزاد اسلامی واحد تهران جنوب
فرید عسگری
عضو هیات علمی دانشگاه آزاد اسلامی واحد ابهر
کیانا عسکری
استاد دانشگاه آزاد اسلامی واحد ابهر
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 :