بررسي كارايي انتخاب پرتفوي بهينه بر اساس مدل چولگي در محيط فازي

Discuss Optimal Portfolio Efficiency in terms of Kurtosis Model in Phase environment

مهمترين مسئله مطرح براي سرمايه گذاران به خصوص در آغاز فعاليت اقتصادي، مسئله نحوه تخصيص سرمايه به يك يا چند گزينه مختلف سرمايه گذاري است تا ضمن داشتن حداكثر بازده، حداقل ريسك را متحمل شوند. اين موضوع در ادبيات اقتصادي به عنوان مسئله انتخاب پرتفوي مطرح است. در پژوهش حاضر، عملكرد بهينه سازي كلاسيك پرتفوي(مدل ميانگين واريانس ماركويتز) در صورت استفاده از مدل مبتني بر چولگي در محيط فازي به عنوان تابع هدف بررسي شده است. در اين پژوهش به بررسي 195 پرتفوي ماهانه در يك دوره 10 ساله(1386-1395) درمورد شركت هاي پذيرفته شده در بورس اوراق بهادار تهران پرداخته شده است و ريسك و بازدهي هر پرتفوي براساس دو مدل بهينه سازي چولگي در محيط فازي و كلاسيك تخمين زده شد. در مرحله بعد با استفاده از آزمون ميانگين تفاوت، به بررسي وجود تفاوت معناداري بين ريسك و بازده پيش بيني شده در دو مدل پرداخته شد. نتايج پژوهش حاكي از آن است كه، ريسك و بازده پيش بيني شده در مدل چولگي با ريسك و بازده پيش بيني شده در مدل كلاسيك تفاوت معناداري دارد.

The most important problem for investors, at the beginning stages of their works, is the way of assigning their investment to one or more different investment alternatives in such a way that with the least possible risk the maximum return become obtainable. In the economic literature this is known as the problem of portfolio selection. In present research, portfolio classic performance efficiency (Markowitz variance average model) was discussed in phase environment based on Kurtosis as target function. The research method Used in this study is post event semi empirical design. In this research, one discussed 195 monthly portfolios in 10 years (2007-2016) in companies accepted in Tehran stock exchange and risk and yield of portfolio was estimated in phase and classic environment. In another step, significant difference between risk and yield was predicated and the results showed that risk and yield have significant difference in phase environment based on kurtosis model.