مقايسه عملكرد مدلهاي ارزش در معرض ريسك و كاپولا- CVaR جهت بهينه سازي پرتفوي در بورس اوراق بهادار تهران

يكي از رويكردهاي جديد براي بهينه سازي پرتفوي سرمايه گذاري، استفاده از روش ارزش در معرض ريسك شرطي[1] (CVaR) است. براي توزيع هاي پيوسته، روش ارزش در معرض ريسك شرطي (CVaR)، به عنوان زيان مورد انتظار فراتر از ارزش در معرض ريسك، در سطح اطمينان مشخص، براي يك دوره زماني معين، تعريف ميشود. در عين حال به دليل نرمال نبودن توزيع بازده دارايي ها و غيرخطي بودن همبستگي بين بازده دارايي ، استفاده از روش تركيبي Copula-CVaR عملكرد بهتري در اندازه گيري ريسك پرتفوي داراييها دارد. لذا در اين تحقيق سعي بر آن بود كه مدلي كارآتر از مدلهاي موجود و مرسوم براي بهينه سازي سبد سرمايه گذاري، ارائه شود. مدلي كه با در نظر داشتن شرايط عدم قطعيت و ريسك سرمايه گذاري، بازدهي بيشتري را براي سرمايه گذاران فراهم نمايد. به همين منظور مدل ارزش در معرض ريسك نرمال (VaR) با رويكرد واريانس-كوورايانس[2] با مدل Copula-CVaR براي استخراج مرز كارآ مقايسه شد . قلمرو زماني تحقيق از ابتداي سال 1393 تا پايان سال 1397 و جامعه آماري نيز 50 شركت برتر بورس اوراق بهادار تهران بوده است. در اين تحقيق براي تخمين ارزش در معرض ريسك (VaR) پرتفوي از رويكرد واريانس-كوواريانس استفاده شد. براي تخمين Copula-CVaR نيز ابتدا از طريق مدل ARIMA-GARCH سري زماني جزء اخلال توزيع بازده داراييها برآورد و استاندارد شد. سپس توزيعهاي حاشيه اي داراييها با استفاده از تابع كاپيولا t-استيودنت برآورد شد. در گام آخر از طريق شبيه سازي مونت كارلو بازدهي داراييها شبيه سازي و مقدار CVaR آنها براي دوره 10 روزه محاسبه شد. سپس تركيب بهينه پرتفوي در سطح اطمينان 95 درصد و 99 درصد براي سطوح مختلف ريسك تعيين شد. نتايج اين تحقيق حاكي از آن بود كه تشكيل سبد سهام بهينه، با استفاده از مدل تركيبي يعني مدل Capula-CVaR عملكرد بهتري داشته است.

To optimize the investment portfolio, conditional value at risk is a new approach. To amend the non-normal distribution of return on assets, and the non-linear correlation between return, the modification of Copula-CVaR compound method has a better performance in measuring portfolio risk. In this study, it has been attempted to present a more efficient model for portfolio optimization that provides greater returns for investors, given the uncertainty investment conditions. The VaR model was compared variance-covariance approach and the Copula-CVaR model for their efficiency frontier. The research area entails of 2014 up 2018; The statistical population was the top 50 companies of TSE.The variance-covariance approach was used to estimate the VaR of the portfolio. Moreover to estimate the Copula- CVaR model we have used the ARIMA-GARCH time series disruption component of the asset return distribution; then the marginal distributions of the assets were estimated using the CAPA-Student function; finally through Monte Carlo simulation the return on assets and their CVaR for the 10-day period were calculated. The optimal portfolio composition was determined at 95% and 99% confidence levels for different levels of risk. The results of this study showed that the optimized portfolio formation using the compound model, the Copula-CVaR model, has performed better.