شماره ركورد كنفرانس :
5448
عنوان مقاله :
بهينه سازي سبد سرمايه گذاري مبتني بر پيش‌بيني نوسانات با مدل‌هاي واريانس ناهمساني شرطي خود‌رگرسيوني (مطالعه موردي بورس اوراق بهادار تهران)
عنوان به زبان ديگر :
Investment portfolio optimization based on volatility prediction with ARCH models (case study of Tehran Stock Exchange)
پديدآورندگان :
مصباحي فاطمه fatemeh.mesbahi@ut.ac.ir دانشگاه علم و صنعت ايران , سليماني عليرضا alirezasl7899@gmail.com دانشگاه تربيت مدرس
تعداد صفحه :
15
كليدواژه :
بهينه سازي سبد سرمايه گذاري , ريسك , نوسانات , مدل ARMAX , مدل GARCH , آنتروپي
سال انتشار :
1402
عنوان كنفرانس :
نهمين كنفرانس بين المللي مهندسي صنايع و سيستمها
زبان مدرك :
فارسي
چكيده فارسي :
بهينه سازي سبد سرمايه‌گذاري يك مساله اصلي در تئوري‌هاي مالي است و به عملكرد آينده سرمايه گذاري‌ها، عمدتاً بازده مورد انتظار آن‌ها مربوط مي شود. وقتي سرمايه‌گذاري‌ها در معرض عدم قطعيت‌ قرار مي‌گيرند، چارچوب بهينه سازي سبد سرمايه‌گذاري بايد شامل يك معيار كمي از عدم قطعيت بازده مورد انتظار باشد، يعني يك معيار كمي از ريسك باشد. نظريه پورتفوليو مدرن در تلاش است تا دارايي ها را در بين گزينه هاي سرمايه گذاري تخصيص دهد. روش مختلفي براي مقابله با ريسك بازده پيشنهاد شده است. علاوه بر اين، تنوع در انتخاب گزينه‌هاي سرمايه‌گذاري در كنار معيار‌هاي بازده و ريسك بر اساس شاخص آنتروپي يكي ديگر از جنبه هاي محوري در مديريت پرتفوي است. در اين پژوهش داده هاي مربوط به هشت نماد از صنعت پتروشيمي بورس اوراق بهادار تهران و دو متغير توضيحي نرخ تبديل دلار به ريال و قيمت نفت خام در يك بازه زماني 802 روزه جمع آوري شد و بازده قيمت با استفاده از مدل ميانگين متحرك خود‌رگرسيوني با متغير توضيحي (ARMAX) و نوسانات بازده به واسطه مدل‌ واريانس ناهمساني شرطي خود‌رگرسيوني (ARCH) و شكل تعميم يافته نمايي (EGARCH) تخمين زده شد، نوسان و بازده پيش بيني شده وارد يك مدل ميانگين - واريانس- آنتروپي شد و نتايج حاصل از مدلسازي با مدل‌هاي ARCH و EGARCH با حالتي كه ميزان مشاركت هر يك نمادها 1/n باشد توسط معيار ضريب تغييرات پرتفوليو مقايسه شد؛ نهايتا اين نتيجه حاصل گرديد كه به واسطه بكارگيري مدل‌هاي ARCH و EGARCH در مدلسازي، سبد سرمايه گذاري مطلوب‌تري خواهيم داشتيم.
كشور :
ايران
لينک به اين مدرک :
بازگشت