بهینه یابی سبد سهام (کاربرد مدل ارزش درمعرض ریسک بر روی کارایی متقاطع)
Publish place: Journal of Financial Management Strategy، Vol: 5، Issue: 2
Publish Year: 1396
Type: Journal paper
Language: Persian
View: 435
This Paper With 25 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JFMZ-5-2_007
Index date: 16 June 2019
بهینه یابی سبد سهام (کاربرد مدل ارزش درمعرض ریسک بر روی کارایی متقاطع) abstract
مدل مارکوویتز، مبنای رویکرد مدرن در بهینه سازی سبد سهام است. مارکوویتز مدل خود را بر اساس میانگین و واریانس بر روی داده های تاریخی فرموله کرد. از آن زمان تاکنون، پژوهشگران زیادی روش حل مسئله بهینه سازی سبد سهام را بهبود بخشیدند. یکی از مهم ترین بهبودها، جایگزین کردن شاخص ریسک نامطلوب بجای واریانس است. بهبود دیگری که به تازگی پیشنهادشده، تولید داده بر اساس تحلیل پوششی دادهها و استفاده از دادههای تولیدشده به جای بازده تاریخی است. این بهبود جدید که اساسا اساس مسئله انتخاب سبد سهام را تغییر می دهد، فرصتی را فراهم میکند تا پژوهشگران انواع شاخص ریسک را بر روی داده های تولیدشده به جای بازده تاریخی به کارگیرند. در این پژوهش، از تحلیل پوششی دادهها بر اساس صورتهای مالی، برای تولید کارایی متقاطع استفاده میشود. سپس ارزش در معرض ریسک که یکی از شاخصهای مهم ریسک نامطلوب است، بر روی این مینای جدید، تعدیل شده و با حل مدل خطی شناخته شده آن، وزنهای بهینه در سبد سهام تعیین میشود. عملکرد روش پیشنهادی برای 185 شرکت بورس اوراق بهادار تهران در سال های 90 تا 94، توسط معیار شارپ محاسبه شده و با عملکرد سبد بازار و عملکرد روش مارکوویتز بر روی کارایی متقاطع مقایسه می شود. معیار شارپ، عملکرد بهتری برای روش پیشنهادی نسبت به روشهای دیگر، نشان میدهد.
بهینه یابی سبد سهام (کاربرد مدل ارزش درمعرض ریسک بر روی کارایی متقاطع) Keywords:
بهینه یابی سبد سهام (کاربرد مدل ارزش درمعرض ریسک بر روی کارایی متقاطع) authors
مینا کاظمی میان گسکری
کارشناسی ارشد مدیریت صنعتی، دانشگاه گیلان، دانشکده ادبیات و علوم انسانی
کیخسرو یاکیده
استادیار، دانشگاه گیلان، دانشکده ادبیات و علوم انسانی
محمدحسن قلی زاده
دانشیار، دانشگاه گیلان، دانشکده ادبیات و علوم انسانی
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 :