تشكيل صندوق شاخصي بهبود يافته با استفاده از رويكرد بهينه سازي امكاني استوار

Enhanced Index Fund Construction using Robust Possiblistic Programming

يكي از مهمترين دغدغه هاي مدلسازي ها انطباق مدل رياضي با واقعيت مي باشد و در دنياي واقعي عدم قطعيت يكي از موارد قطعي است كه در برنامه ريزي رياضي كلاسيك اين عدم قطعيت ها، ناديده گرفته مي شود. بهينه سازي استوار يكي از متدهاي مديريت عدم قطعيت پارامترهاست. در اين تحقيق تلاش شده است كه رويكرد بهينه سازي امكاني استوار براي ايجاد صندوق شاخصي بهبود يافته مورد بررسي و مطالعه قرار گيرد. صندوق شاخصي بهبوديافته از يك سو تلاش مي كند تا از شاخص كل انحراف كمتري داشته باشد واز سوي ديگر تلاش مي كند تا بازدهي بيشتري نسبت به شاخص هدف داشته باشد. مدل اين تحقيق توسط داده هاي واقعي در بورس اوراق بهادار براي رديابي شاخص كل، حل شده است. مقايسه نتايج حاصل از تجزيه و تحليل داده ها و حل مدل با رويكرد بهينه سازي امكاني استوار، بر عملكرد مناسب و دقت رديابي بالاي صندوق شاخصي بهبود يافته دلالت دارد و صندوق، از همبستگي مثبت بالايي با شاخص بورس برخوردار است و همچنين بازده بيشتري نسبت به شاخص كل دارد.

One of the main concerns of modeling is the adaptation of the mathematical model to reality, and in the real world of uncertainty one of the decisive cases ignored in the classical mathematical programming of these uncertainties. Robust optimization is one of the methods for uncertainly parameter management. In this research, study trying that from robust possiblistic programming to create an enhanced index fund that tracking the index. Enhanced index funds on the one hand trying to have the smallest deviation from the index, On the other hand, will try to achieve target returns than the index. This research model is solved by the real data on the stock exchange. Comparing the results of data analysis and solving the model with a robust feasibility approach points to good performance and high traceability of the improved indicator fund and the fund has a high positive correlation with the stock index and return more than index.