چکیده:
پیچیدگی ابزارها و بازارهای مالی، تصمیمگیری در خصوص انتخاب نوع دارایی را برای سرمایهگذاران دشوار میکند، بهطوریکه سرمایهگذاران همواره در تصمیمگیریهای خود با مسئلهٔ بهینهسازی مجموعهٔ داراییها روبهرو هستند؛ بنابراین انتخاب سبد سرمایهگذاری مناسب بهمنظور حداکثر سازی سود یکی از اصلیترین دغدغههای سرمایهگذاران است. با این بیان هدف مقاله حاضر مقایسه توضیح دهندگی و عملکرد مسئله بهینهسازی و قدرت پیشبینی مدلهای ARMA-شبیهسازی تاریخی و ARFIMA-مونت کارلو (از مدلهای پدیرفته شده در دنیا) در بهینهسازی پرتفوی صندوقهای سرمایهگذاری مشترک است. جامعهٔ آماری و نمونه شامل دادههای صندوقهای منتخب معامله شده در بورس اوراق بهادار کشورهای منتخب عضو فدراسیون بورسهای آسیایی و اروپایی (FEAS) بین سالهای ۲۰۱۳ تا ۲۰۱۹ بوده است. نتایج پژوهش نشان داد که مدل ARIMA-ارزش در معرض ریسک (شبیهسازی تاریخی) مرز کارای بالاتری در مقایسه با ARIMA-ارزش در معرض ریسک (شبیهسازی مونت کارلو) دارد. همچنین مرز کارای (جبهه پارتو) رسم شده توسط الگوریتم PESA-II برای مدل دیگر را در خود جایداده است. برای پی بردن به معنادار بودن این تفاوت عملکرد آزمون من-ویتنی بررسی شده است. نتایج بیانگر آن است که معیار شارپ پرتفلیو بهینه ARIMA-ارزش در معرض ریسک (شبیهسازی تاریخی) در مقایسه با ARIMA-ارزش در معرض ریسک (شبیهسازی تاریخی) بهتر است.
The complexity of financial instruments and markets makes it difficult for investors to decide on the type of asset, so that investors are always faced with the problem of optimizing the set of assets in their decisions. Therefore, choosing the right investment portfolio in order to maximize profits is one of the main concerns of investors. With this statement, the purpose of this article is to compare the explanation and performance of the optimization problem and the predictive power of ARMA-historical simulation models and ARFIMA-Monte Carlo (one of the most established models in the world) in fund portfolio optimization is a joint venture. The statistical and sample population included data from selected funds traded on the stock exchange of selected member countries of the Federation of Asian and European Stock Exchanges (FEAS) between 2013 and 2019.The results showed that the ARIMA-value at risk (historical simulation) model has a higher efficiency boundary compared to the ARIMA-value at risk (Monte Carlo simulation). It also incorporates the Pareto frontier drawn by the PESA-II algorithm for the other model. To determine the significance of this difference, the performance of the Mann-Whitney test has been investigated. The results indicate that the ARIMA-value-at-risk-optimal portfolio Sharp criterion is better than the ARIMA-value-at-risk (historical simulation) criterion.
خلاصه ماشینی:
با اين بيان هدف مقاله حاضر مقايسه توضيح دهندگي و عملکرد مسئله بهينه سازي و قدرت پيش بيني مدل هاي ARMA-شبيه سازي تاريخي و ARFIMA-مونت کارلو (از مدل هاي پديرفته شده در دنيا) در بهينه سازي پرتفوي صندوق هاي سرمايه گذاري مشترک است .
تحليل و تطبيق مدل هاي مختلف پرتفوي سازي سرمايه گذاري در صندوق و سرمايه گذاري مشترک، اندکي متفاوت از اوراق سهام بوده و با توجه به ماهيت سرمايه گذاريهاي مذکور که از اوراق کم ريسک تلقي مي شوند و از سوي ديگر توسعه بازارهاي بين المللي و فرامرزي، تعيين ترکيب بهينه اي از صندوق هاي سرمايه گذاري در کشورهاي مختلف و برآورد و تطبيق آن ها مي تواند به بسياري از فعالان بازارهاي مالي بين المللي، کمک شاياني در تصميمات سرمايه گذاري و انتخاب ترکيب مناسب در بين کشورهاي مختلف داشته باشد؛ بنابراين مسئله اصلي تحقيق حاضر آن است که آيا با استفاده از الگوريتم فرا ابتکاري چند 1 Value at Risk 4 Historical Simulation Method 2 Panning 5 Lin Chang et al.
نجفي مقدم (١٣٩٥) در پژوهش خود اقدام به انتخاب مدل بهينه برآورد ارزش در معرض ريسک توسط سه مدل پارامتريک ، شبيه سازي تاريخي و شبيه سازي مونت کارلو کرد تا بهترين روش را به شرط پيش بيني ضررهاي احتمالي پرونده هاي صندوق سرمايه گذاري باز تونسي بيابد.
نتايج آماري و ترسيمي مرز کاراي- مدل ARIMA-ارزش در معرض ريسک (شبيه سازي تاريخي) جدول ٤، مقادير حداکثر و حداقل مقدار مجموعه جواب هاي بهينه سازي براي مدل فوق که با استفاده از الگوريتم PSEA-II به دست آمده است را نشان مي دهد.