پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,757 |
| تعداد مشاهده مقاله | 115,122,108 |
| تعداد دریافت فایل اصل مقاله | 89,889,956 |
معرفی و بررسی ویژگی‌های مرکزیت به‌عنوان معیاری نوین برای تحلیل شبکه، سنجش ریسک و انتخاب پرتفوی سهام | ||
| تحقیقات مالی | ||
| دوره 23، شماره 2، 1400، صفحه 158-171 اصل مقاله (490.84 K) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jfr.2018.241407.1006515 | ||
| نویسندگان | ||
| سعید فلاح‌پور1؛ علی قهرمانی* 2 | ||
| 1استادیار، گروه مالی و بیمه، دانشکده مدیریت دانشگاه تهران، تهران، ایران. | ||
| 2دانشجوی کارشناسی ارشد، گروه مالی و بیمه، دانشکده مدیریت دانشگاه تهران، تهران، ایران. | ||
| چکیده | ||
| هدف: مرکزیت، در تئوری شبکه، معیاری است برای برآورد میزان اهمیت و تأثیرگذاری یک عضو در ساختار کلی شبکه. هدف از این پژوهش، بررسی ویژگی‌های مرکزیت سهام و توانایی این معیار در تخمین ریسک و همچنین، امکان‌سنجی استفاده از این معیار برای تشکیل سبد سهام است. روش: در این پژوهش، ابتدا به بررسی ارتباط مرکزیت سهام با معیارهای پُرکاربرد تخمین ریسک، مانند بتا و انحراف معیار بازدهی و همچنین، بررسی رابطۀ مرکزیت سهام پرداخته شد. وزن معیارها با استفاده از چارچوب مارکویتز به‌دست آمد. در پایان، پس از معرفی استراتژی مبتنی بر مرکزیت برای انتخاب پرتفوی، به‌کمک معیارهای مختلف ارزیابی عملکرد، نتایج با سایر روش‌های پُرکاربرد مقایسه شد. یافته‌ها: یافته‌ها حاکی از آن است که در بورس اوراق بهادار تهران، مرکزیت می‌تواند نقش مؤثری در تخمین ریسک سهام ایفا کند و ارتباط معناداری بین مرکزیت و سایر معیارها وجود دارد. همچنین مشخص شد که سهام با مرکزیت کمتر، منافع مربوط به متنوع‌سازی پرتفوی را افزایش می‌دهند و استراتژی انتخاب پرتفوی با استفاده از مرکزیت در مقایسه با سایر روش‌های پُرکاربرد انتخاب پرتفوی، عملکرد بهتری دارد و می‌تواند بازدهی موزون شده با ریسک بهتری خلق کند. نتیجهگیری: مرکزیت سهام، به‌عنوان معیاری برای تعیین اهمیت و تأثیرگذاری هر عضو یک شبکه، می‌تواند مانند سایر معیارهای پذیرفته شده برای توصیف ریسک سهام، مفید واقع شود. این توانایی توصیف ریسک باعث می‌شود که بتوان از مرکزیت برای تشکیل پرتفوی سرمایه‌گذاری بهره برد. | ||
| کلیدواژه‌ها | ||
| استراتژی مبتنی بر مرکزیت؛ انتخاب پرتفوی؛ شبکه بازار مالی؛ مرکزیت | ||
| عنوان مقاله [English] | ||
| An Analysis of Centrality’s Features as a New Measure for Network Analysis, Risk Measurement & Portfolio Selection | ||
| نویسندگان [English] | ||
| Saeed Fallahpour1؛ Ali Ghahramani2 | ||
| 1Assistant Prof., Department of Finance and Insurance, Faculty of Management, University of Tehran, Tehran, Iran. | ||
| 2MSc., Department of Finance and Insurance, Faculty of Management, University of Tehran, Tehran, Iran. | ||
| چکیده [English] | ||
| Objective: In network theory, centrality is a measure to estimate importance and influence of a special node to the whole network structure. The aim of this research is to investigate the characteristics of stock centrality and its reliability in risk estimation and portfolio selection. Methods: First in this paper, we analyzed the relationship between stock’s centrality & benchmark risk estimation measures like beta & standard deviation. Then, we analyzed the relationship between stock’s centrality & Markowitz framework’s weights; and finally, we introduced centrality-based portfolio selection strategy and compared it with other benchmarks, by different portfolio performance measures. Results: Our observations indicate that in Tehran stock exchange, centrality can have an effective role in stocks risk estimation and there is a meaningful relation between centrality and other measures. We also observed that out that low central stocks can raise the benefits of portfolio diversification, and centrality-based portfolio selection method can have a better performance than other benchmark portfolio selection methods and results in a better risk adjusted return. Conclusion: Stock centrality, as a measure to estimate importance and influence of member of a network, is capable of describing stock risk characteristics like other accepted measures. We can take advantage of this capability for portfolio selection. | ||
| کلیدواژه‌ها [English] | ||
| : Centrality, Centrality based Strategy, Financial market network, Portfolio selection | ||
| مراجع | ||
|
Billio, M. & Getmansky, M. & Lo, A.W. & Pelizzon, L. (2012). Econometric measures of connectedness and systemic risk in the finance and insurance sectors. Journal of Financial Economics, 104(3), 535-559. Bonacich, P. (1972). Factoring and weighting approaches to status scores and clique identification. The Journal of mathematical sociology, 2(1), 113-120. Bonacich, P. (1987). Power and centrality: a family of measures. American Journal of Sociology, 92(5), 1170-1182. Bonanno, G. & Caldarelli, G. & Lillo, F. & Miccichè, S. & Vandewalle, N. & Mantegna, R.N. (2004). Networks of equities in financial markets. The European Physical Journal B - Condensed Matter and Complex Systems, 38(2), 363-371 DeMiguel, V., Garlappi, L. & Uppal, R. (2009). Optimal versus naive diversification: how inefficient is the 1/N portfolio strategy? The Review of Financial Studies, 22(5), 1915-1953. Desmoulins-Lebeault, F. Kharoubi-Rakotomalala, C. (2012). Non-Gaussian diversification: when size matters. Journal of Banking & Finance, 36(7), 1987-1996. Freeman, L. (1978). Centrality in social networks conceptual clarification. Social Networks, 1(3), 215-239. Jobson, D.J. & Korkie, B.M. (1980). Estimation for Markowitz efficient portfolios. Journal of the American Statistical Association, 75(3), 544-554. Ledoit, O. & Wolf, M. (2004). Honey, I shrunk the sample covariance matrix. Journal of Portfolio Management, 30(4), 110-119. Mantegna, R.N. (1999). Hierarchical structure in financial markets. The European Physical Journal B - Condensed Matter and Complex Systems, 11(1), 193-197. Markowitz, H. (1952). Portfolio Selection. The Journal of Finance, 7(1), 77-91 Merton, R. (1980). On estimating the expected return on the Market: An exploratory investigation. Journal of financial Economics, 8(4), 323-361. Newman, M.E.J. (2004). Analysis Of Weighted Networks. Physical Review E, 70(5), 056131. Onnela, J.P. & Chakraborti, A. & Kaski, K. & Kertész, J. & Kanto, A. (2003). Asset trees and asset graphs in financial markets. Physica Scripta, T106, International Conference on "Unconventional Applications of Statistical Physics" 20–22 March 2003, Kolkata, India, 48-54. Peralta, G. & Zareei, A. (2016). A network approach to portfolio selection. Journal of Empirical Finance, 38(1), 157-180. Peralta, G. (2015). Network-based measures as leading indicators of market instability: the case of the Spanish stock market. Journal of Network Theory in Finance, 1(3), 91-122. Tse, C.K. & Liu, J. & Lau, F.C.M. (2010). A network perspective of the stock market. Journal of Empirical Finance, 17(4), 659-667. | ||
|
آمار تعداد مشاهده مقاله: 710 تعداد دریافت فایل اصل مقاله: 661 |
||