پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,997,432 |
| تعداد دریافت فایل اصل مقاله | 89,671,374 |
ردیابی شاخص با استفاده از معیار ارزش در معرض ریسک شرطی ترکیبی دو دنباله‌ای در بورس اوراق بهادار تهران | ||
| تحقیقات مالی | ||
| دوره 23، شماره 4، 1400، صفحه 545-563 اصل مقاله (515.31 K) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/frj.2020.289344.1006927 | ||
| نویسندگان | ||
| رضا عیوضلو1؛ سعید فلاح پور1؛ مهدی دهقانی اشکذری* 2 | ||
| 1استادیار، گروه مالی و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. | ||
| 2دانشجوی دکتری، گروه مالی و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. | ||
| چکیده | ||
| هدف: یکی از استراتژی‌های سرمایه‌گذاری، مدیریت غیرفعال است که یک شاخص یا پرتفوی با وزن بازار را دنبال می‌کند. هدف از این نوع مدیریت، حداقل‌سازی کارمزدهای سرمایه‌گذاری و جلوگیری از عواقب نامطلوب پیش‌بینی نادرست آینده است. مدیریت فعال پرتفوی، به‌دنبال جلوزدن از بازده شاخص است، در حالی که مدیریت غیرفعال، به‌دنبال دستیابی به بازده و ریسک متناسب با شاخص است. ردیابی شاخص، نوعی استراتژی سرمایه‌گذاری غیرفعال در بازار سرمایه محسوب می‌شود و هدف آن، تشکیل پرتفوی‌ای از سهم‌های یک شاخص است که بتواند عملکرد شاخص را بازسازی کند، بدون آنکه از تمامی دارایی‌های تشکیل‌دهنده آن شاخص خریداری شود. در این پژوهش، هدف ردیابی شاخص کل بورس اوراق بهادار تهران است. روش: در این پژوهش، با استفاده از مدل ارزش در معرض ریسک شرطی ترکیبی دو دنباله‌ای (مدل اصلی) به تشکیل پرتفوی بهینه ردیاب شاخص پرداخته و عملکرد آن بررسی می‌شود. نمونه بررسی‌شده داده‌های هفتگی طی بازه زمانی ۰۱/۰۱/۱۳۹۰ تا ۲۹/۱۲/۱۳۹۶ است. برای ارزیابی مدل، داده‌ها به ۲۶ پنجره زمانی، شامل ۵۲ داده داخل نمونه و ۱۲ داده خارج از نمونه دسته‌بندی شد. یافته‌ها: نتایج صحت بازسازی عملکرد شاخص حاکی از آن است که پرتفوی‌های حاصل‌شده از مدل اصلی، در بازسازی عملکرد شاخص موفق عمل کرده‌اند. همچنین نتایج آزمون نسبت اطلاعاتی و خطای ردیابی نشان می‌دهد که میان مدل اصلی و مدل رقیب تفاوت معناداری وجود ندارد. نتیجه‌گیری: در این پژوهش با استفاده از یک مدل برنامه‌ریزی ریاضی خطی، به تشکیل پرتفوی‌های ردیابی شاخص پرداخته شد. نتایج نشان داد با اینکه مدل اصلی در ردیابی شاخص موفق عمل کرده است، به لحاظ کاهش خطای ردیابی و افزایش نسبت اطلاعاتی، از مدل قدر مطلق انحرافات برتر نیست. | ||
| کلیدواژه‌ها | ||
| ارزش در معرض ریسک شرطی ترکیبی دو دنباله‌ای؛ انتخاب پرتفوی؛ خطای ردیابی؛ ردیابی شاخص؛ نسبت اطلاعاتی | ||
| عنوان مقاله [English] | ||
| Index tracking using Two-tail Mixed Conditional Value-at-risk in Tehran Stock Exchange | ||
| نویسندگان [English] | ||
| Reza Eyvazloo1؛ Saeed Fallahpour1؛ Mahdi Dehghani Ashkezari2 | ||
| 1Assistant Prof., Department of Finance and Insurance, Faculty of Management, University of Tehran, Tehran, Iran. | ||
| 2PhD Candidate, Department of Finance and Insurance, Faculty of Management, University of Tehran, Tehran, Iran. | ||
| چکیده [English] | ||
| Objective: Passive management is an investing strategy that tracks a market value-weighted index or portfolio. It seeks to minimize the cost of investment fees and to avoid undesirable repercussions of the unpredictability of future trends. Active portfolio management tries to beat the market while passive portfolio management pursues a similar risk-return pattern to that of the market index. Index tracking is a passive investment strategy in the stock market that aims to make a portfolio using constituents of an index. It seeks to mimic its behavior without purchasing all of its constituents. This study aimed to track Tehran Exchange Dividend & Price Index (TEDPIX). Methods: In this study, portfolios were tracked and their performances were examined by applying a two-tail mixed conditional value-at-risk model (main model). Optimizing TMCVaR is a linear program that minimizes the upper deviation and the downside deviation from the benchmark index. The investigated sample included the weekly data gathered from 2011/3/21 to 2018/20/3. The data was divided into 26-time frames including 52 in-sample data and 12 out-of-sample data. Results: Statistical tests confirmed the portfolios resulting from the main model were successful in tracking the index. As a result, the investigated model was recognized as capable of tracking the index. However, due to the tracking error and information ratio, the two models were not statistically different. In the present study, the two models showed the same performance in tracking the index. Conclusion: In this study, a linear mathematical programming model was proposed to form index tracking portfolios. The results showed that although the main model was successful in index-tracking it did not outperform the mean absolute deviation model in terms of reduction in tracking error and increasing information ratio. | ||
| کلیدواژه‌ها [English] | ||
| Two-tail mixed conditional value at risk, Portfolio selection, Tracking error, Index tracking, Information ratio | ||
| مراجع | ||
|
عیوضلو، رضا؛ شفیع‌زاده، مجتبی؛ قهرمانی، علی (۱۳۹۶). ردیابی شاخص و شاخص بهبودیافته با استفاده از رویکردهای هم‌انباشتگی و همبستگی. تحقیقات مالی، ۱۹(۳)، 457- 474.
فلاح‌پور، سعید؛ تندنویس، فرید (۱۳۹۴). کاربرد رویکرد بهینه‌سازی استوار در تشکیل پرتفوی سهام مبتنی بر شاخص با درنظر گرفتن عدم قطعیت پارامتر‌ها. تحقیقات مالی، ۱۷(۲)، 325- ۳۴۰.
فلاح‌پور، سعید؛ تندنویس، فرید؛ هاشمی، سیدمحمدامیر (۱۳۹۴). بهینه‌سازی پرتفوی ردیاب شاخص با استفاده از مدل تک شاخصی پایدار برمبنای شاخص ۵۰ شرکت فعال‌تر بورس اوراق بهادار تهران. مهندسی مالی و مدیریت اوراق بهادار، ۶(۲۴)، 115- 134.
نبی‌زاده، احمد؛ قره‌باغی، هادی؛ بهزادی، عادل (۱۳۹۶). بهینه‌سازی پرتفوی ردیابی شاخص بر اساس بتای نامطلوب مبتنی بر الگوریتم‌های تکاملی. تحقیقات مالی، ۱۹(۲)، 319- 34.
References Beasley, J. E., Meade, N., & Chang, T.J. (2003). An evolutionary heuristic for the index tracking problem. European Journal of Operational Research, 148(3), 621–643. https://doi.org/10.1016/S0377-2217(02)00425-3 Boston Consulting Group, Global Asset Management (2019) Will These ’20s Roar? Bruni, R., Cesarone, F., Scozzari, A., & Tardella, F. (2017). On exact and approximate stochastic dominance strategies for portfolio selection. European Journal of Operational Research, 259(1), 322–329. https://doi.org/10.1016/j.ejor.2016.10.006 Buckley, I. R. C., & Korn, R. (1998). Optimal Index Tracking Under Transaction Costs and Impulse Control. International Journal of Theoretical and Applied Finance, 01(03), 315–330. https://doi.org/10.1142/S0219024998000187 Canakgoz, N. A., & Beasley, J. E. (2009). Mixed-integer programming approaches for index tracking and enhanced indexation. European Journal of Operational Research, 196(1), 384–399. https://doi.org/10.1016/j.ejor.2008.03.015 Dose, C., & Cincotti, S. (2005). Clustering of financial time series with application to index and enhanced index tracking portfolio. Physica A: Statistical Mechanics and Its Applications, 355(1), 145–151. https://doi.org/10.1016/j.physa.2005.02.078 Eyvazloo, R., Shafizadeh, M. & Ghahramani, A. (2017). Index Tracking and Enhanced Indexing Using Co-integration and Correlation Approaches. Journal of Financial Researches, 19(3), 457-474. (in Persian) Fallahpour, S. & Tondnevis, F. (2015). Application of an optimization model for constructing an index tracker portfolio and considering the uncertainty of model parameters by using of robust optimization approach. Journal of Financial Researches, 17(2), 325-340. Fallahpour, S. & Tondnevis, F. & Hashemi, A. (2015). The application of robust optimization for index tracking by using of single index model based on fifty active company index of tehran stock exchange. Journal of Financial Engineering and Securities Management (Portfolio Management), 6(24), 115-134. (in Persian) French, K. R. (2008). Presidential Address: The Cost of Active Investing. The Journal of Finance, 63(4), 1537–1573. https://doi.org/10.1111/j.1540-6261.2008.01368.x Goel, A., Sharma, A., & Mehra, A. (2018). Index tracking and enhanced indexing using mixed conditional value-at-risk. Journal of Computational and Applied Mathematics, 335, 361–380. https://doi.org/10.1016/j.cam.2017.12.015 Mansini, R., Ogryczak, W., & Speranza, M. G. (2007). Conditional value at risk and related linear programming models for portfolio optimization. Annals of Operations Research, 152(1), 227–256. https://doi.org/10.1007/s10479-006-0142-4 Markowitz, H. (1952). Portfolio Selection. The Journal of Finance, 7(1), 77–91. https://doi.org/10.1111/j.1540-6261.1952.tb01525.x Meade, N., & Salkin, G. R. (1989). Index Funds—Construction and Performance Measurement. Journal of the Operational Research Society, 40(10), 871–879. https://doi.org/10.1057/jors.1989.155 Nabizade, A. Gharehbaghi, H. & Behzadi, A. (2017). Index Tracking Optimization under down Side Beta and Evolutionary Based Algorithms. Journal of Financial Researches, 19(2), 319-340. (in Persian) Rockafellar, R. T., & Uryasev, S. (2000). Optimization of conditional value-at-risk. The Journal of Risk, 2(3), 21–41. https://doi.org/10.21314/JOR.2000.038 Rockafellar, R. T., & Uryasev, S. (2002). Conditional value-at-risk for general loss distributions. Journal of Banking & Finance, 26(7), 1443–1471. https://doi.org/10.1016/S0378-4266(02)00271-6 Roll, R. (1992). A Mean/Variance Analysis of Tracking Error. The Journal of Portfolio Management, 18(4), 13–22. https://doi.org/10.3905/jpm.1992.701922 Rudd, A. (1980). Optimal Selection of Passive Portfolios. Financial Management, 9(1), 57. https://doi.org/10.2307/3665314 Treynor, J. L., & Black, F. (1973). How to Use Security Analysis to Improve Portfolio Selection. The Journal of Business, 46(1), 66–86. Retrieved from http://www.jstor.org/stable/2351280 Wang, M., Xu, C., Xu, F., & Xue, H. (2012). A mixed 0–1 LP for index tracking problem with CVaR risk constraints. Annals of Operations Research, 196(1), 591–609. https://doi.org/10.1007/s10479-011-1042-9 | ||
|
آمار تعداد مشاهده مقاله: 541 تعداد دریافت فایل اصل مقاله: 433 |
||