علی آقامحمدی - دانشگاه زنجان، گروه آمار
فاروق صالح پور - زنجان، مرکز تحصیلات تکمیلی درعلوم پایه - گروه ریاضی مالی

در روش های بیزی انتخاب سبد برای بازده دارایی ها، اطلاعات پیشینی در مورد پارامترهای در قالب توزیع های پیشینی و اطلاعات حاصل از نمونه ی تصادفی (مشاهدات) در قالب توزیع شرطی درنظر گرفته شده و با ترکیب این دو، توزیع پسینی بازده دارایی ها محاسبه می شود که این توزیع مبنای توزیع بازده ها برای سرمایه گذاری در انتخاب سبد خواهد بود. یکی از مزیت های روشهای بیزی در مقایسه با روش های کلاسیک، امکان احتساب عدم قطعیت در مورد پارامترهای مدل است که همین امر باعث دقت بالای روش های بیزی است. توزیع های پسینی در مدل های بیزی مورد بحث در این مقاله بصورت تحلیلی قابل حصول نیستند، لذا از روش نمونه گیری گیبس برای استنباط در مورد پارامترها استفاده می شود. در این مقاله سه مدل بیزی و دو مدل غیر بیزی با استفاده از داده هایی واقعی از بازار مورد آزمایش قرار می گیرند. وزن های سبد بهینه از دو روش مدل میانگین- واریانس و ماکزیمم سازی مطلوبیت مورد انتظار محاسبه می شوند و در پایان از معیار نسبت شارپ برای مقایسه ی مدل ها استفاده می شود.

مدل میانگین، واریانس، نمونه گیری گیبس، روش های بیزی در انتخاب سبد، مطلوبیت مورد انتظار