تخصيص بهينه دارايي‌ها در حضور نااطميناني‌هاي اقتصادكلان و تحريم‌هاي بين المللي عليه ايران

Optimal Asset Allocation in the Presence of Macroeconomic Uncertainties and International sanctions against Iran

ريسك و نااطميناني از شاخص‌هاي اصلي تصميم‌گيري در سرمايه‌گذاري است. در دنياي واقعي، اقتصاد پُر از نااطميناني عوامل اقتصادي است كه به بروز ريسك و مخاطره در فضاي تصميم‌گيري منجر مي‌شود و رفتار سرمايه‌گذاران را تحت تاثير قرار مي‌دهد. در مطالعه حاضر، با استفاده از تركيب مدل‌هاي شبكه عصبي مصنوعي و مدل ماركويتز، به برآورد پرتفوي بهينه سرمايه‌گذار در شرايط نااطميناني پرداخته شد. بدين منظور، از دارايي‌هاي قيمت سهام، قيمت مسكن، قيمت سكه و اوراق مشاركت طي دوره زماني 1378 ـ 1392 با داده‌هاي ماهانه استفاده شد. براي بررسي تاثير شوك‌هاي اقتصاد كلان بر تصميمات سرمايه‌گذار در انتخاب پرتفوي بهينه، از چهار متغير‌ـ نااطميناني تورمي، نااطميناني قيمت نفت، نااطميناني نرخ دلار بازار آزاد و شاخص تحريم‌هاي بين‌المللي عليه ايران‌ـ به عنوان متغيرهاي وضعيت استفاده شد. براي محاسبه متغيرهاي وضعيت از مدل ناهمساني واريانس شرطي (GARCH) بهره گرفته شد. پس از محاسبه متغيرهاي وضعيت، بازدهي و ريسك دارايي‌ها با كمك دو روش‌ـ شبكه‌هاي عصبي پرسپترون چندلايه (MLP) و شعاعي پايه (RBF)‌ـ اندازه‌گيري شد. از نتايج مدل شبكه عصبي به عنوان متغيرهاي ورودي در برآورد پرتفوي بهينه ماركويتز استفاده شد. نتايج تحليل ميانگين واريانس نشان مي‌دهد كه در دوره رونق بخش املاك، مسكن داراييِ مسلط در بين دارايي‌هايِ ريسكي بوده و بيشترين سهم دارايي را به خود اختصاص داده است. در طي دوره‌هاي اخير، كه دوره ركود بخش مسكن تلقي مي‌شود، مسكن از سبد بهينه سرمايه‌گذاري خارج شده و به جاي آن سهام و سكه داراييِ مسلطي در سبد سرمايه‌گذار است. به طور كلي، اوراق مشاركت، به منزله دارايي بدون ريسك در همه دوره‌ها، يكي از دارايي‌هاي قابل اعتماد در سبد بهينه سرمايه‌گذار به‌شمار مي‌رود.

The current study addresses an estimation of investorʹs optimal portfolio under conditions of uncertainty by using a combination of artificial neural network and Markowitz models. For this purpose, such assets as stock prices, house prices, coin and bonds price are used with monthly data over the period 1378-1392. Three variables including inflation uncertainty, oil uncertainty and free market dollar rate are used as state variables to investigate the impact of macroeconomic shocks on investorʹs decisions when choosing an optimal portfolio. Autoregressive conditional heteroskedasticity (GARCH) is used to estimate state variables. Following an estimation of the state variables, assets return and uncertainty were measured using Multi Layer Perceptron (MLP) and Radial Basis Function (RBF) neural networks. The results obtained from neural network model are used as input variables in estimation of Markowitzʹs optimal portfolio. The results of analyzing mean variance show that housing is the dominant asset among uncertain assets over the period of real-estate boom holding the largest share of assets. Over the recent periods, considered to be the period of housing downturn, investors no longer include housing in their portfolio turning instead to stocks and coins as prominent alternatives. Generally, bonds have shown to be an asset with no uncertainty in all the periods making them a reliable alternative in the investorʹs optimal portfolio.