بهینه‌سازی سبد سرمایه‌گذاری با استفاده از مدل نیم واریانس با تاکید بر پتانسیل مثبت (مطالعه موردی: بازار بورس اوراق بهادار تهران)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، دانشکده مهندسی صنایع، دانشگاه علم و صنعت، تهران، ایران.

2 دانشجوی دکتری، دانشکده مهندسی صنایع، دانشگاه علم و صنعت، تهران، ایران.

3 دانشیار، دانشکده مهندسی صنایع، دانشگاه علم و صنعت، تهران، ایران.

چکیده

سرمایه‌گذاری در بازار سهام نقشی اساسی در رشد و توسعه اقتصادی دارد، زیرا امکان ایجاد فرصت‌های سرمایه‌گذاری، تأمین منابع مالی برای شرکت‌ها و دولت‌ها و تحرک فعالیت اقتصادی را به ارمغان می‌آورد. تشکیل سبد سرمایه‌گذاری مناسب به منظور فعالیت در بازار سهام از اهمیت قابل توجهی برخوردار است و جهت دستیابی به عملکرد مطلوب و بهره‌برداری بهتر، نیازمند مهارت در انتخاب و ترکیب مناسب از سهام گوناگون می‌باشد. توجه به نوسانات بازار سهام در تشکیل سبد سرمایه‌گذاری امری حیاتی بوده زیرا که این نوسانات بیانگر تغییرات و پویایی این بازار هستند و تصمیم‌گیری مبتنی بر این نوسانات، به سرمایه‌گذاران کمک می‌کند تا مخاطرات مالی را بهبود بخشند و فرصت‌های سرمایه‌گذاری را شناسایی کنند. همچنین توجه به نوسانات مثبت در تشکیل سبد سرمایه‌گذاری بسیار حائز اهمیت می‌باشد زیرا که این نوسانات نشان‌دهنده قابلیت رشد و سودآوری بالقوه سهام هستند. به همین منظور، هدف این پژوهش تشکیل سبد سرمایه‌گذاری بهینه به منظور بهره‌برداری مزیت‌ها و فرصت‌های سرمایه‌گذاری ناشی از نوسانات مثبت و در عین حال توجه به نوسانات منفی و کاهش آن می‌باشد. در همین راستا در این پژوهش رویکردی نوین به نام مدل نیم‌واریانس دو مرحله‌ای معرفی گردید و با استفاده از داده‌های ماهانه سهام از ابتدای سال ۱۳۹۷ تا ۱۴۰۱، به تشکیل سبد سرمایه‌گذاری پرداخته شد و جهت ارزیابی کارایی این مدل مقایسه آن با مدل نیم واریانس و اوزان یکسان سبد صورت گرفت. نتایج نشان می‌دهند، مدل مذکور عملکرد بهتری داشته و بهره‌وری و عملکرد سبد سرمایه‌گذاری را نسبت به مدل نیم واریانس و اوزان یکسان سبد بهبود می‌بخشد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Portfolio optimization using the semi-variance model with a focus on positive potential (Case study: Tehran Stock Exchange)

نویسندگان [English]

  • Seyed Ali Mousavi Loleti 1
  • Hossein Ghanbari 2
  • Emran Mohammadi 3
1 Master student, School of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran.
2 Ph.D. Student, School of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran.
3 Associate Professor, School of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran.
چکیده [English]

Investing in the stock market plays a fundamental role in economic growth and development by providing companies and governments with investment opportunities, funding and stimulating economic activity. Putting together a suitable investment portfolio for stock market activities is of utmost importance and requires skill and the ability to optimally combine different stocks to achieve desirable performance and better returns. Paying attention to market fluctuations when constructing an investment portfolio is crucial as they indicate changes and dynamics in the market. Investment decisions made based on these fluctuations help investors reduce their financial risks and identify investment opportunities. In addition, attention to positive volatility is important in portfolio construction as these fluctuations indicate the growth potential and profitability of stocks. The aim of this research is to construct an optimal investment portfolio to take advantage of the benefits and investment opportunities arising from positive volatility, while considering negative volatility and its reduction. To achieve this, a novel approach, the so-called two-stage semi-variance approach, is introduced. Using monthly stock data from the beginning of March 2018 to March 2023, the stock portfolio is constructed, and the efficiency of this model is evaluated by comparing it with the semi-variance model and the equally weighted portfolio. The results show that the two-stage semi-variance approach outperforms the semi-variance model and the equally weighted portfolio. This indicates that this approach can significantly improve the efficiency and performance of investment portfolios compared to traditional methods.

کلیدواژه‌ها [English]

  • Portfolio Optimization
  • Semi Variance
  • Positive Volatility
  • Upside Potential

Smiley face

مراجع

Bramante, R., & Facchinetti, S. (2021). Combining Upside and Downside Volatility in Investment Decision. Journal of Mathematical Finance, 12(1), 97–104.
Comeig, I., Holt, C., & Jaramillo-Gutiérrez, A. (2022). Upside versus downside risk: Gender, stakes, and skewness. Journal of Economic Behavior & Organization, 200(1), 21–30.
Cumova, D., & Nawrocki, D. (2014). Portfolio optimization in an upside potential and downside risk framework. Journal of Economics and Business, 71, 68–89.
Eskorouchi, A., Ghanbari, H., & Mohammadi, E. (2023). A Scientometric Analysis of Robust Portfolio Optimization. Iranian Journal of Accounting, Auditing and Finance, 8, 59–74.
Gambrah, P. S. N., & Pirvu, T. A. (2014). Risk Measures and Portfolio Optimization. Journal of Risk and Financial Management, 7(3), 113–129.
Ghanbari, H., Safari, M., Ghousi, R., Mohammadi, E., & Nakharutai, N. (2023). Bibliometric analysis of risk measures for portfolio optimization. Accounting, 9, 95–108.
Gunjan, A., & Bhattacharyya, S. (2023). A brief review of portfolio optimization techniques. Artificial Intelligence Review, 56(5), 1–40.
Hashemi, A., & Chavoshi, S. K. (2023). The Impact of Risk Tolerance, Capital Adequacy, Corporate Governance on the Performance of Tse’s Banks. Scientific Journal of Budget and Finance Strategic Research, 4(4), 91–116. [In Persian].
Kalayci, C. B., Ertenlice, O., & Akbay, M. A. (2019). A comprehensive review of deterministic models and applications for mean-variance portfolio optimization. Expert Systems with Applications, 125, 345–368.
Kaucic, M., & Daris, R. (2017). Interval-valued upside potential and downside risk portfolio optimisation. Economic Research-Ekonomska Istraživanja, 30(1), 1–21.
Mirabbasi, Y., Nikoumaram, H., Saeidi, A., & Haghshenas, F. (2018). Study of portfolio optimization based on downside risk, upside potential and behavioral variables efficiency. Financial Engineering and Portfolio Management, 9(34), 305–333. [In Persian].
Mousavi Loleti, S. A., Mohammadi, E., & Shavvalpour, S. (2023). Forecasting Future Trends of the Stock Market Using the Probit Regression Approach with Emphasis on Value at Risk. Journal of Capital Market Analysis, 4(1), 79–109. [In Persian].
Mousavi Loleti, S. A., Mohammadi, E., & Shavvalpour, S. (2023). Forecasting the status of the total index of the Tehran Stock Exchange using macroeconomic variables. The Ninth International Conference on Industrial and Systems Engineering. [In Persian].
Nourahmadi, M., Rasti, F., & Sadeqi, H. (2023). The Art of Investment Portfolio Curation through Centrality Metrics (An Enchanting Network Analysis of Tehran Stock Exchange’s Top 50 Companies). Scientific Journal of Budget and Finance Strategic Research, 4(4), 35–61. [In Persian].
Rom, B. M., & Ferguson, K. W. (1993). Post-Modern Portfolio Theory Comes of Age. The Journal of Investing, 2(4), 27–33.
Sadeghi, M., soroosh, A., & Farhanian, M. J. (2010). Investigating the volatility, upside risk, downside risk and Capital Asset Pricing Model: Evidences from Tehran Stock Exchange. Financial Research Journal, 12(29), 1–20. [In Persian].
Sadeghi Shahedani, M. (2020). Modeling the At risk Values Optimal Pattern in Pension Funds. Scientific Journal of Budget and Finance Strategic Research, 1(2), 11–31. [In Persian].
Sortino, F., van der Meer, R. A. H., & Plantinga, A. (1999). The Dutch triangle—A framework to measure upside potential relative to downside risk. Journal of Portfolio Management, 26(1), 50–58.
Zanjirdar, M. (2020). Overview of Portfolio Optimization Models. Advances in Mathematical Finance and Applications, 5(4), 419–435.
پژوهش‌های راهبردی بودجه و مالیه
دوره 5، شماره 1 - شماره پیاپی 17
فصلنامه بهار
فروردین 1403
صفحه 57-78

فایل ها

سابقه مقاله

  • تاریخ دریافت: 10 دی 1402
  • تاریخ بازنگری: 08 بهمن 1402
  • تاریخ پذیرش: 25 فروردین 1403

هم رسانی

ارجاع به این مقاله

آمار