پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,501 |
| تعداد مشاهده مقاله | 124,092,903 |
| تعداد دریافت فایل اصل مقاله | 97,197,061 |
گشتاور مراتب بالاتر در بهینه‌سازی پرتفوی با درنظر گرفتن آنتروپی و استفاده از برنامه‌ریزی آرمانی چندجمله‌ای | ||
| تحقیقات مالی | ||
| مقاله 4، دوره 20، شماره 2، 1397، صفحه 193-210 اصل مقاله (259.65 K) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/frj.2018.255731.1006645 | ||
| نویسندگان | ||
| احمد نبی زاده1؛ عادل بهزادی* 2 | ||
| 1استادیار، گروه منابع انسانی و کسب و کار، دانشکده مدیریت، دانشگاه خوارزمی، تهران، ایران | ||
| 2دانشجوی دکتری مهندسی مالی، گروه مدیریت مالی و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران، ایران | ||
| چکیده | ||
| هدف: هدف این پژوهش، سرمایهگذاری کسب بازده متناسب با ریسک است. تحقیقات زیادی از جمله تئوری مارکوییتز (1952) نشان میدهد تشکیل پرتفوی با در نظر گرفتن بازدهی ثابت، سبب کاهش ریسک غیرسیستماتیک می‌شود. این نظریه بر اساس فرضهایی بنا شده است که یکی از آنها، نرمال بودن توزیع بازده دارایی‌هاست؛ اما شواهد تجربی نشان از عدم نرمال بودن بازده دارایی‌ها دارد. از سوی دیگر، معیارهای آنتروپی برای نشان دادن تنوع‌سازی در پرتفوی عملکرد خوبی دارند. در مقاله پیش رو اثر استفاده ترکیبی از آنتروپی و گشتاورهای مراتب بالاتر نشان داده شده است. روش: در این مقاله، رویکرد برنامه‌ریزی آرمانی چندجمله‌ای بر اساس مدل میانگین ـ واریانس ـ چولگی ـ کشیدگی ـ آنتروپی استفاده شده است. همچنین، الگوریتم جستوجوی مستقیم به عنوان الگوریتم بهینه‌سازی مد نظر قرار گرفته و برای اندازه‌گیری آنتروپی از معیارهای شانون و جینی سیمپسون استفاده شده است. یافته‌ها: بهمنظور بررسی مدلها از داده‌های بورس اوراق بهادار تهران استفاده شده است. یافته‌ها گویای بهبود کارایی پرتفوی به دست آمده در حالت استفاده از آنتروپی جینی سیمپسون و شانون و بهکارگیری الگوریتم جستوجوی مستقیم است. نتیجهگیری: استفاده ترکیبی از گشتاورهای مراتب بالاتر و آنتروپی در برخی توابع هدف، بهبود ایجاد نمیکند، اما بهطور کلی موجب بهبود کارایی پرتفوی‌های به دست آمده بر اساس معیار ارزیابی عملکرد ارائه شده در پژوهش می‌شود. | ||
| کلیدواژه‌ها | ||
| بهینه‌سازی پرتفوی؛ گشتاورهای مراتب بالاتر؛ شاخص تنوع‌سازی؛ آنتروپی؛ معیارهای ارزیابی عملکرد | ||
| عنوان مقاله [English] | ||
| Higher Moments Portfolio Optimization with Entropy Based Polynomial Goal Programming | ||
| نویسندگان [English] | ||
| Ahmad Nabizade1؛ Adel Behzadi2 | ||
| 1Assistant Prof., Faculty of Management, Kharazmi University, Tehran, Iran. | ||
| 2Ph.D Candidate, Department of Financial Engineering, Faculty of Management, University of Tehran, Tehran, Iran | ||
| چکیده [English] | ||
| Objective: Portfolio selection is a critical factor in investment. Having considered a number of risky assets, fund managers must choose the optimum portfolio. Stock values can be affected by different types of events such as governmental crises, economic turmoil and industrial improvements. Due to the vague nature of these events, it is difficult to estimate the future value of stocks. However, Markowitz’s Modern portfolio theory, which is principally focused on portfolio risk, has introduced a novel model for stock diversification. When the normality assumption of return series of assets are not valid, higher moments can also be added to ensure the efficiency of the Markowitz model. On other hand, entropy can be used as diversification creteria in portfolio theory. In this paper, the affect of simulatnus usage higher moment and entropy is examined. Methods: In this paper, a polynomial goal programming based on the model of meanvariance-skidding-elongation-entropy and direct search algorithms is used. For estimation of entropy, Shannon and Ginny Simpson criteria have been used. Results: Tehran Stock Exchange data was used to evaluate the models. The findings indicate portfolio performance measure is enhanced by using the proposed approach. Conclusion: Using a combination of higher moments and entropy, although it does not improve some of the target functions, but generally improves the performance of the portfolios. | ||
| کلیدواژه‌ها [English] | ||
| Diversity index, Entropy, higher Moment portfolio, Portfolio optimization, Portfolio performance measure | ||
| مراجع | ||
|
اسلامی بیدگلی، غلامرضا؛ تلنگی، احمد (1378). مدلهای برنامه‌ریزی آرمانی در انتخاب پرتفولیوی بهینه. فصلنامه تحقیقات مالی، 4 (2)، 50-71. بهزادی، عادل؛ بختیاری، مصطفی (1393). ارائه مدلی بر مبنای میانگین ـ آنتروپی ـ چولگی برای بهینه‌سازی، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، 5(19)، 39-55. تقیزاده یزدی، محمدرضا؛ فلاح پور، سعید؛ احمدی مقدم، محمد (1395). انتخاب پرتفوی بهینه با استفاده از برنامه‌ریزی فرا آرمانی و برنامه‌ریزی آرمانی ترتیبی توسعه‌یافته. فصلنامه تحقیقات مالی، 18(4)، 591-612. محمدی، شاپور؛ نبی‌زاده، احمد؛ راعی، رضا؛ قالیباف اصل، حسن (1396). طراحی و تبیین مدل قیمت گذاری داراییهای سرمایهای روش چند نمایشی کسری با استفاده از گشتاور مرتبه بالا در بورس اوراق بهادار تهران. دانش سرمایهگذاری، 6 (21)، 215-232. محمدی قلعهنی، مهدی؛ ابراهیمی، کیومرث. (1391). ارزیابی الگوریتمهای جستوجوی مستقیم و ژنتیک در بهینه‌سازی پارامترهای مدل غیرخطی ماسکینگام ـ یک سیلاب از کارون. مدیریت آب و آبیاری، 2 (2)، 1-12.
References Aksaraylı, M., & Pala, O. (2018). A polynomial goal programming model for portfolio optimization based on entropy and higher moments. Expert Systems with Applications, 94:185-192. Arditti, F. (1971). Another look at mutual fund performance. Journal of Financial and Quantitative Analysis, 6(3): 909-912. Bera, A. K. & S. Y. Park (2008). Optimal portfolio diversification using the maximum entropy principle. Econometric Reviews, 27(4-6): 484-512. Chow, K. V. and K. C. Denning (1994). On variance and lower partial moment betas the equivalence of systematic risk measures. Journal of Business Finance & Accounting, 21(2): 231-241. Chunhachinda, P., K. Dandapani, S. Hamid & A. J. Prakash (1997). Portfolio selection and skewness: Evidence from international stock markets. Journal of Banking & Finance, 21(2): 143-167. DeMiguel, V. & Nogales, F. J. (2009). Portfolio selection with robust estimation. Operations Research, 57(3): 560-577. Fama, E. F. (1965). Portfolio analysis in a stable Paretian market. Management science, 11(3): 404-419. Grootveld, H. & Hallerbach, W. (1999). Variance vs downside risk: Is there really that much difference?. European Journal of operational research, 114(2): 304-319. Harvey, C. R., Liechty, J. C., Liechty, M. W. and P. Müller. (2010). Portfolio selection with higher moments. Quantitative Finance, 10(5): 469-485. Harvey, C. and Sediqque. (2000). Conditional skewness in asset pricing tests. Journal of finance, 55: 1263–1295. Israelsen, C. L. (2005). A refinement to the Sharpe ratio and information ratio. Journal of Asset Management, 5(6), 423-427. Jarque, C. M. & Bera, A. K. (1987). A test for normality of observations and regression residuals. International Statistical Review/Revue Internationale de Statistique: 163-172. Jost, L. (2006). Entropy and diversity. Oikos, 113(2), 363-375. Kostakis, A., Muhammad, K. & Siganos, A.(2012). Higher co-moments and asset pricing on London Stock Exchange. Journal banking and finance. 36(3): 913-922 Kraus, A. & Litzenberger, R. H. (1976). Skewness Preference and the Valuation of Risk Assets. The Journal of Finance ,31(4): 1085-1100. Lai, K. K., Yu, L., & Wang, S. (2006, June). Mean-variance-skewness-kurtosis-based portfolio optimization. In First International Multi-Symposiums on Computer and Computational Sciences (IMSCCS'06) (Vol. 2, pp. 292-297). IEEE. Liu, S., Wang, S. & Qiu, W. (2003). Mean-variance-skewness model for portfolio selection with transaction costs. International Journal of Systems Science, 34(4): 255-262. Machado, C., & Brandão, A. (2000). Skewness in financial returns: Evidence from the portuguese stock market, Minho University (Portugal), Management Research Group Working Paper Markowitz, H. (1952). Portfolio selection. The journal of finance, 7(1): 77-91. Ray, A. & S. K. Majumder. (2017). Multi objective mean–variance–skewness model with Burg’s entropy and fuzzy return for portfolio optimization. OPSEARCH: 1-27. Rom, B. M. & Ferguson, K. W. (1994). Post-modern portfolio theory comes of age. The Journal of Investing, 3(3): 11-17. Simkowitz, M. A. & Beedles, W. L. (1978). Diversification in a three-moment world. Journal of Financial and Quantitative Analysis, 13(5): 927-941. Škrinjarić, T. (2013). Portfolio Selection with Higher Moments and Application on Zagreb Stock Exchange. Zagreb International Review of Economics & Business, 16(1): 65-78. Tayi, G. K. & Leonard, P. A. (1988). Bank balance-sheet management: An alternative multi-objective model. Journal of the Operational Research Society, 39(4): 401-410. Usta, I. and Kantar, Y. M. (2011). Mean-variance-skewness-entropy measures: a multi-objective approach for portfolio selection. Entropy, 13(1): 117-133. Yue, W. and Wang, Y. (2017). A new fuzzy multi-objective higher order moment portfolio selection model for diversified portfolios. Physica A: Statistical Mechanics and its Applications, 465: 124-140. Zhang, W.-G., Y.-L. Wang, Z.-P. Chen and Z.-K. Nie (2007). "Possibilistic mean–variance models and efficient frontiers for portfolio selection problem." Information Sciences 177(13): 2787-2801.
| ||
|
آمار تعداد مشاهده مقاله: 1,109 تعداد دریافت فایل اصل مقاله: 1,064 |
||