پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,691 |
| تعداد مشاهده مقاله | 115,003,137 |
| تعداد دریافت فایل اصل مقاله | 89,682,197 |
توسعه مدل بهینه‌سازی سبد سهام مارکوییتز با توجه به ملاحظات غیرمالی سرمایه‌گذار و حمایت از تولیدات داخلی | ||
| مدیریت صنعتی | ||
| دوره 13، شماره 1، 1400، صفحه 53-79 اصل مقاله (1.1 M) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/imj.2021.316204.1007811 | ||
| نویسندگان | ||
| افشین فهیمی1؛ حمید شاه‌بندرزاده* 2 | ||
| 1دانشجوی دکتری، گروه مدیریت صنعتی، دانشکده کسب و کار و اقتصاد، دانشگاه خلیج فارس، بوشهر، ایران. | ||
| 2دانشیار، گروه مدیریت صنعتی، دانشکده کسب و کار و اقتصاد، دانشگاه خلیج فارس، بوشهر، ایران. | ||
| چکیده | ||
| هدف: امروزه بازار سرمایه به عنوان منبع مهم تامین مالی شرکت‌ها محسوب می‌شود و درصورت طراحی مدل مناسب انتخاب سبد سهام با درنظرگرفتن ترجیحات متفاوت سرمایه‌گذاران می‌توان سرمایه‌های موجود را به سمت این بازار و در نتیجه حمایت از تولیدات داخلی کشور سوق داد. هدف این پژوهش توسعه مدل مارکوویتز به منظور لحاظ کردن ترجیحات غیرمالی سرمایه‌گذاران علاوه بر شاخص‌های مالی می‌باشد. روش: برای سنجش نمره مسئولیت اجتماعی شرکت از مدل اندازه‌گیری با دامنه تعدیل شده و برای سنجش ریسک، مدل ارزش در معرض ریسک شرطی بر روی کارایی متقاطع استفاده شد، سپس با استفاده از روش معیار جامع مدل چندهدفه بهینه‌سازی سبد سهام پیشنهاد شد. یافته‌ها: مدل‌های تک‌هدفه و چندهدفه (معیار جامع) با توآن‌های مختلف در نرم‌افزار گمز اجرا شد. بررسی عملکرد این مدل‌ها با استفاده از شاخص شارپ نشان داد که مدل‌های تک‌هدفه بیشینه‌سازی بازده وکمینه‌سازی ریسک به ترتیب دارای بالاترین عملکرد و مدل تک‌هدفه بیشینه‌سازی مسئولیت اجتماعی دارای پایین‌‌ترین عملکرد است. و مدل پیشنهادی حداقل 5/74 درصد از اهداف سه‌گانه و متناقض را براساس معیار شارپ برآورده نموده است. نتیجه‌گیری: مدل پیشنهادی ضمن بهینه‌سازی همزمان سه تابع هدف و برقراری یک بده - بستان بین این اهداف متناقض، نمره شارپ مناسبی نسبت به سایر مدل‌ها و همچنین سبد بازار بدست آورده و سبد سهام مناسبی را در یک جبهه کارا (پاره‌تو فرانت)، از بین شرکت‌ها‌ی با بیشینه بازده و کمینه ریسک که نمره مسئولیت اجتماعی بالایی داشته‌اند، انتخاب و معرفی نموده است و اگر مدل با توآن‌های بیشتری اجرا شود، شرکت‌ها و سناریوهای بیشتری در اختیار سرمایه‌گذاران قرار می‌دهد. | ||
| کلیدواژه‌ها | ||
| بهینه‌سازی سبد سهام؛ مسئولیت اجتماعی؛ تحلیل پوششی داده‌ها؛ کارایی متقاطع؛ ارزش در معرض ریسک شرطی | ||
| عنوان مقاله [English] | ||
| Developing the Markowitz Portfolio Optimization Model Concerning Investor Non - financial Considerations and Supporting Domestic Products | ||
| نویسندگان [English] | ||
| Afshin Fahimi1؛ Hamid Shahbandarzadeh2 | ||
| 1Ph.D. Candidate, Department of Industrial Management, Faculty of Business and Economics, University of Persian Gulf, Bushehr, Iran. | ||
| 2Associate Prof., Department of Industrial Management, Faculty of Business and Economics, University of Persian Gulf, Bushehr, Iran. | ||
| چکیده [English] | ||
| Objective: Nowadays, the capital market is considered an important source of financing for companies and if a suitable model for portfolio selection by considering different preferences of investors is designed, the existing capital can be directed to this market and support domestic products. This study develops the Markowitz model to consider the non-financial preferences of investors in addition to financial indicators. Methods: Range Adjusted Measure (RAM) and Conditional Value at Risk (CVaR) model on Cross-efficiency were applied respectively to measure the Corporate Social Responsibility (CSR) score and risk, and then the multi-objective portfolio optimization model was proposed using the LP-Metric method. Results: Single-objective and multi-objective models (LP-Metric) with different powers were implemented in GAMS software. Examining the performance of these models using the Sharpe ratio showed that the single-objective models of maximizing returns and minimizing risk have the highest performance and the single-objective model of maximizing social responsibility have the lowest performance, respectively. The proposed model also meets at least 74.5 percent of the triple and contradictory goals according to the Sharpe ratio. Conclusion: While the proposed model optimizes the three objective functions simultaneously and establishing a trade-off between these conflicting goals, has obtained a good Sharpe score compared to other models and market portfolio and a suitable portfolio on a Pareto Front has been selected and introduced among the companies with maximum return and minimum risk that have a high score of social responsibility, and if the model is applied with more powers, it will provide more companies and scenarios to investors. | ||
| کلیدواژه‌ها [English] | ||
| Portfolio optimization, Social responsibility, Data envelopment analysis, Cross-efficiency, Conditional value at risk | ||
| مراجع | ||
|
امین، وحید؛ فغانی ماکرانی، خسرو؛ ذبیحی، علی (1397). مطالعه رابطه بین شرکت‌ها‌ی دولتی، ابعاد عملکرد پایندگی شرکتی و ارزش شرکت، دو فصلنامه حسابداری دولتی، 4(2) :92-75.
علی پور جورشری، ارمغان؛ یاکیده، کیخسرو؛ محفوظی، غلامرضا (1396). بهینه‌سازی سبد سهام با حداقل میانگین انحرافات مطلق کاراییهای متقاطع .مدیریت صنعتی، 9(3)، .475-496
قندهاری، مریم؛ آذر، عادل؛ یزدانیان، احمدرضا؛ گل ارضی، غلامحسین (1398). ارائه ترکیبی از برنامه‌ریزی پویای تصادفی تقریبی و الگوریتم ژنتیک در بهینه‌سازی چندمرحله‌ای سبد سهام با معیار ریسک GlueVaR. مدیریت صنعتی، 11(3)، 542-517.
کاظمی میانگسکری، مینا؛ یاکیده،کیخسرو؛ قلی زاده، محمد حسن )1396). بهینه یابی سبد سهام (کاربرد مدل ارزش درمعرض ریسک بر روی کارایی متقاطع). راهبرد مدیریت مالی، 5(2), 159-183.
گودرزی، مهشید؛ یاکیده، کیخسرو؛ محفوظی، غلامرضا (1395). بهینه‌سازی سبد سهام با تلفیق کارایی متقاطع و نظریۀ بازیها. مدیریت صنعتی، 8(4)، .685-706
موسوی، سید احمد؛ رضایی، فرزین؛ شاهویسی، فرهاد (1396). تبیین ایفای مسئولیت پذیری اجتماعی شرکت‌ها و تاثیر آن بر خصوصیات کیفی اطلاعات مالی، فصلنامه علمی پژوهشی حسابداری مدیریت، 10(33): 108-89.
میرلوحی، سید مجتبی؛ تهرانی، رضا؛ عباسیان، عزت اله؛ جابری زاده، علی. (1399). مقایسه عملکرد الگوریتم ژنتیک فازی و جست و جوی شکار فازی در بهینه سازی پرتفوی فازی با استفاده از مدل میانگین ـ واریانس در بورس اوراق بهادار تهران، فصلنامه بورس اوراق بهادار، 13(52.): 95-71.
یدالهی فارسی، جهانگیر؛ آقاجانی افروزی، علیاکبر؛ احمدپور داریانی، محمود؛ متوسلی، محمود (1397). تاثیر مسئولیت پذیری اجتماعی شرکت بر عملکرد مالی در کسب و کارهای خانوادگی و غیر خانوادگی. پژوهشنامه مدیریت اجرایی، 10(20)، 122-97.
References Amin, V., Faghani Makrani, K., & zabihi, A. (2018). The Study of the Relationship Between Government Firms, Dimensions of Corporate Sustainability Performance and Firm Value. Journal of Governmental Accounting and Auditing, 4(2), 75-92. (in persian) Abdelaziz, F. B., & Abed, M. (2018). Ethics in Investment and Portfolio Selection: A Review. Financial Decision Aid Using Multiple Criteria, 197-217. Alipour Jorshari, A., Yakideh, K., & Mahfoozi, G. (2017). Portfolio Optimization with Minimum Average Absolute Deviations of Cross- efficiency. Industrial Management Journal, 9(3), 475-496. (in persian) Brin, P. V., & Nehme, M. N. (2019). Corporate social responsibility: analysis of theories and models.EUREKA: Social and Humanities,5,22-30. Caçador, S., Dias, J. M., & Godinho, P. (2021). Portfolio selection under uncertainty: a new methodology for computing relative‐robust solutions. International Transactions in Operational Research, 28(3), 1296-1329. Carroll, A. B. (1979). A three-dimensional conceptual model of corporate performance. Academy of management review, 4(4), 497-505. Chen, W., Li, S. S., Zhang, J., & Mehlawat, M. K. (2020). A comprehensive model for fuzzy multi-objective portfolio selection based on DEA cross-efficiency model. Soft computing, 24(4), 2515-2526. Chen, Y. T., & Yang, H. Q. (2020). Multi-period mean-variance portfolio selection with practical constraints using heuristic genetic algorithms. International Journal of Computational Economics and Econometrics, 10(3), 209-221. Cheng, C. H., & Lin, Y. (2002). Evaluating the best main battle tank using fuzzy decision theory with linguistic criteria evaluation. European journal of operational research, 142(1), 174-186. Cooper, W. W., Park, K. S., & Pastor, J. T. (1999). RAM: A range adjusted measure of inefficiency for use with additive models, and relations to other models and measures in DEA. Journal of Productivity Analysis, 11(1), 5–42. Dai, Z., Zhu, H., & Wen, F. (2020). Two nonparametric approaches to mean absolute deviation portfolio selection model. Journal of Industrial & Management Optimization,16(5), 2283. Doyle, J., & Green, R. (1994). Efficiency and cross-efficiency in DEA: Derivations, meanings and uses. Journal of the operational research society, 45(5), 567-578. Durán-Santomil, P., Otero-González, L., Correia-Domingues, R. H., & Reboredo, J. C. (2019). Does sustainability score impact mutual fund performance?. Sustainability, 11(10), 2972. Edirisinghe, N. C. P., & Zhang, X. (2008). Portfolio selection under DEA-based relative financial strength indicators: case of US industries. Journal of the Operational Research Society, 59(6), 842-856. El Ghoul, S., Guedhami, O., Kwok, C. C., & Mishra, D. R. (2011). Does corporate social responsibility affect the cost of capital?. Journal of Banking & Finance, 35(9), 2388-2406. García, F., González-Bueno, J., Oliver, J., & Riley, N. (2019). Selecting socially responsible portfolios: a fuzzy multicriteria approach. Sustainability, 11(9), 2496. García-Martínez, G., Guijarro, F., & Poyatos, J. A. (2019). Measuring the social responsibility of European companies: a goal programming approach. International transactions in operational research, 26(3), 1074-1095. Ghandehari, M., Azar, A., Yazdanian, A.R., & Golarzi, Gh. (2019). A Hybrid Model of Stochastic Dynamic Programming and Genetic Algorithm for Multistage Portfolio Optimization with GlueVaR Risk Measurement. Industrial Management Journal,11(3), 517-542. (in persian) Goodarzi, M., Yakideh.K., Mahfoozi.GH. (2017). Portfolio optimization by synthesis of crossefficiency and Game theory. Journal of Industrial Management, 8(4), (2017), 685-706. (in Persian) Grootveld, H., & Hallerbach, W. (1999). Variance vs downside risk: Is there really that much difference?. European Journal of operational research, 114(2), 304-319. Guo, S., & Zhao, H. (2017). Fuzzy best-worst multi-criteria decision-making method and its applications. Knowledge-Based Systems, 121, 23-3. Gupta, P., Mehlawat, M. K., & Saxena, A. (2013). Hybrid optimization models of portfolio selection involving financial and ethical considerations. Knowledge-Based Systems, 37, 318-337. Gupta, P., Mehlawat, M. K., Kumar, A., Yadav, S., & Aggarwal, A. (2020). A credibilistic fuzzy DEA approach for portfolio efficiency evaluation and rebalancing toward benchmark portfolios using positive and negative returns. International Journal of Fuzzy Systems, 22(3), 824-843. Hsu, Y. L., Lee, C. H., Kreng, V. B. (2010). The application of Fuzzy Delphi Method and Fuzzy AHP in lubricant regenerative technology selection. Expert Systems with Applications, 37, 419–425. Jorion, P. H. (1996). Value at Risk: A New Benchmark for Measuring Derivatives. Irwin Professional Publ., New York. Kazemi Miyangaskari, M., Yakideh, K., & Gholizadeh, M. (2017). Portfolio Optimization (The Application of Value at Risk Model on Cross Efficiency). Financial Management Strategy, 5(2), 159-183. (in persian) Konno, H., & Yamazaki, H. (1991). Mean-absolute deviation portfolio optimization model and its applications to Tokyo stock market. Management science, 37(5), 519-531. Konno, H., Shirakawa, H., & Yamazaki, H. (1993). A mean-absolute deviation-skewness portfolio optimization model. Annals of Operations Research, 45(1), 205-220. Liagkouras, K., Metaxiotis, K., & Tsihrintzis, G. (2020). Incorporating environmental and social considerations into the portfolio optimization process. Annals of Operations Research, 1-26. Lim, S., Oh, K. W., & Zhu, J. (2014). Use of DEA cross-efficiency evaluation in portfolio selection: An application to Korean stock market. European Journal of Operational Research, 236(1), 361-368. Lu, J., Ren, L., Zhang, C., Rong, D., Ahmed, R. R., & Streimikis, J. (2020). Modified Carroll’s pyramid of corporate social responsibility to enhance organizational performance of SMEs industry. Journal of Cleaner Production, 271, 122456. Markowitz, H. (1952). Portfolio selection. The journal of finance, 7(1), 77-91. Mirlohi, S., Tehrani, R., abbasian, E., & Jaberizadeh, A. (2021). Comparison of the Performance of Genetic and Hunting Search Algorithms in Portfolio Optimization Using Mean-Variance Model Based on Fuzzy Logic in Tehran Stock Exchange. Journal of Securities Exchange, 13(52),71-95. (in persian). Mousavi, S., Rezaei, F., & Shahveisi, F. (2017). Developing the corporate social responsibility Model and its impact on the Qualitative Characteristics of Financial Information. Management Accounting, 10(33), 89-108. (in persian) Sharpe, W. F. (1964). Capital asset prices: A theory of market equilibrium under conditions of risk. The journal of finance, 19(3), 425-442. Rockafellar, R. T. & Uryasev, S. (2000). Optimization of conditional value-at-risk. Journal ofRisk, 2(3), 21–41. Speranza MG (1993) Linear programming models for portfolio optimization. Journal of Finance. 4:107–123. Ximei, L., Latif, Z., Changfeng, W., Latif, S., Khan, Z., & Wang, X. (2018). Mean-variance-kurtosis hybrid multi-objective portfolio optimization model with a defined investment ratio. Journal of Engineering Technology, 6(1), 293-306. Yadolahi Farsi, J., Aghajani Afrouzi, A., Ahmadpour Dariani, M., & Motevasseli, M. (2019). The Impact of Corporate Social Responsibility on Financial Performance of Family and Nonfamily Businesses. Journal of Executive Management, 10(20), 97-122. (in persian) Yan, W., & Li, S. (2009). A class of multi-period semi-variance portfolio selection with a four-factor futures price model. Journal of Applied Mathematics and Computing, 29(1-2), 19. Goh, J. W., Lim, K. G., Sim, M., & Zhang, W. (2012). Portfolio value-at-risk optimization for asymmetrically distributed asset returns. European Journal of Operational Research, 221(2), 397-406. | ||
|
آمار تعداد مشاهده مقاله: 761 تعداد دریافت فایل اصل مقاله: 420 |
||