در این پژوهش به بهینه سازی کلاسیک سبد سهام که در سال 1952 توسط هری مارکویتز ارائه شد پرداخته می شود. با این تفاوت که برای اندازه گیری ریسک از معیار فاستر-هارت استفاده می گردد. روشی نوین که در سال 2009 توسط فاستر و هارت در مقاله ای عنوان شد. این ریسک به رخدادهای دنباله چپ بسیار حساس است و به دنبال مصون نگه داشتن سرمایه گذار از خطر ورشکستگی است و به صورت تئوری حداقل سطح ثروتی بیان می شود که سرمایه گذار می بایست داشته باشد تا سرمایه گذاری در یک دارایی ریسکی به ورشکستگی وی منتج نشود. به همین منظور از قیمت سهام 34 شرکت بورس اوراق بهادار تهران در بازه زمانی 01/07/1391 تا 31/06/1396 استفاده شده است و سبدهای بهینه با استفاده از معیارهای فاستر-هارت، ارزش در معرض خطر، ارزش در معرض خطر شرطی، قدر مطلق انحرافات، واریانس و نیم واریانس به دست آمده اند. نتایج این پژوهش نشان می دهد که در بازه زمانی فوق سبدهای بهینه بر اساس ریسک فاستر-هارت عملکرد مطلوب تری در مقایسه با سایر روش های نام برده دارد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

مدیریت منابع ارزی در ایران به علت وجود درآمدهای ارزی عمده که از فروش نفت حاصل می شود، از اهمیت به سزایی برخوردار است. برنامه ریزی صحیح، می تواند از تحمیل هزینه های ناشی از مدیریت نامناسب این منابع جلوگیری نماید. بنابراین، در این پژوهش تلاش می کنیم تا به ارایه چارچوبی به منظور طراحی سبد بهینه برای آن بخش از درآمدهای ارزی که با هدف سرمایه گذاری نگهداری می شوند، بپردازیم. بر این اساس، با استفاده از بازده های روزانه ارز که بر مبنای داده های موجود در بازار ارز در سال های 2000 تا 2008 میلادی به دست آمده است، ترکیبی موزون و بهینه از ارزهای رایج با به کارگیری مدل های خودرگرسیونی واریانس ناهمسان شرطی تعمیم یافته تک متغیره و چند متغیره، با هدف حداکثر نمودن بازده مورد انتظار و تحت محدودیت ارزش در معرض ریسک پیشنهاد می شود. در نهایت، مدل های مورد استفاده با به کارگیری آزمون بازخور مورد ارزیابی قرار گرفته و بهترین مدل انتخاب می شود. نتایج این پژوهش برتری مدل GARCH چند متغیره را نسبت به تک متغیره در تخصیص سبد بهینه ارز نشان می دهد.

انتخاب سبد سهام همواره از اساسی ترین مسایل سرمایه گذاران است. از لحاظ نظری انتخاب سبد سهام در حالت حداقل کردن ریسک با فرض ثبات بازده به کمک روابط ریاضی قابل حل است، اما با تنوع انتخاب در بازار سرمایه، تنها روابط ریاضی، راه حل موثری نیست. تنوع ابزارهای سرمایه گذاری و تفاوت تابع مطلوبیت سرمایه گذاران، فرآیند انتخاب را پیچیده نموده است. اینک گسترش بازارهای مالی و سرمایه، استفاده از سیستمهای قاعده محور برای تصمیمگیری های سریع، با ریسک حداقل و به دور از اشتباهات انسانی، طراحی، توسعه یا بهبود این سیستمها می تواند به عنوان مزیت رقابتی باشد. در پژوهش حاضر، از الگوریتم شبکههای عصبی و برنامهنویسی شبکه ژنتیک، برای تشخیص ویژگی های موثر و از درخت تصمیم ID3 بهبودیافته به عنوان روش پیشنهادی جهت پیشبینی قیمت و روند تغییر قیمت سهام برای انتخاب سبد بهینه استفاده شده است. نتایج تحقیق نشان می دهد، روش پیشنهادی علاوه بر کاهش سربار محاسباتی و حافظه ای، قادر است تا با دقت بالایی به پیشبینی نوسانات شدید با الگوهای غیرخطی پرداخته و نسبت به روش های روز دنیا چون جستجوی نزدیک ترین همسایگی، رگرسیون خطی، میانگین متحرک خود همبسته و الگوریتم پیش بینی سری زمانی، بهتر عمل نماید.

یکی از رویکردهای بهینه یابی که در علوم مختلف مورد استفاده قرار می گیرد الگوریتم های فراکاوشی می باشد. در این پژوهش، با استفاده از الگوریتم فراکاوشی جدید جستجوی موجودات همزیست (SOS) مدلی برای انتخاب بهینه پرتفوی معرفی گردیده و سپس نتایج بدست آمده از آن با نتایج بدست آمده از الگوریتم های قدیمی تر ژنتیک (GA) و ازدحام ذرات (PSO) مقایسه گردیده است. بدین منظور با استفاده از اطلاعات ده ماهه بازده 50 شرکت برتر بورس، پرتفوی بهینه با توجه به هدف حداکثر سازی سود و حداقل سازی ریسک به وسیله الگوریتم های مذکور برآورد و با یکدیگر مقایسه گردیده است. نتایج به دست آمده از اجرای الگوریتم ها حاکی از آن است که علیرغم توانایی بالای الگوریتم های مورد بررسی در بهینه سازی سبد سهام، الگوریتم SOS در مقایسه با سایر الگوریتم های مورد بررسی توانایی بالاتری در بهینه سازی سبد سهام دارد.

تکنیک های پیش بینی و بهینه سازی به تصمیم گیرندگان مالی کمک می کنند تا براساس اطلاعات بازار، بهترین سهام را در سبد سرمایه گذاری خود قرار دهند و با بهینه سازی آن به ایجاد بازده های بیشتر دست یابند. هدف این پژوهش پیش بینی اثربخشی تفاوتِ پرتفوی سورتینو و مارکویتز براساس الگوریتمِ سیستم های تحلیل ترکیبی می باشد. براین اساس تعداد 102 شرکت بورس اوراق بهادار تهران در بازه زمانی 1393 تا 1397 براساس غربالگری سیستماتیک انتخاب و مورد بررسی قرار گرفتند. در این پژوهش از طریق تفکیک سهام ارزشی و سهام رشدی، اقدام به انتخاب پرتفوی های تصادفی ساده جهت بررسی و آزمون فرضیه های پژوهش شد و برای تحلیل از دو الگوریتم ماشین بردار پشتیبان و سیستم استنتاج فازی عصبی انطباق پذیر به منظور انتخاب مطلوب ترین پرتفوی بهره برده شد. نتایج پژوهش نشان داد، پرتفوی سورتینو (X) براساس الگوریتم فرا ابتکاری (الگوریتم ماشین بردار پشتیبان) تفاوت معناداری با پرتفوی مارکویتز (Y) دارد، به طوریکه تصمیم گیرندگان در پرتفوی سورتینو به دنبال بهینه سازی سبد سهام خود از طریق سهام رشدی در بلندمدت می باشند. همچنین مشخص شد، دقت سیستم تحلیل استنتاج فازی عصبی انطباق پذیر (ANFIS) نسبت به دقت سیستم تحلیل ماشین بردار پشتیبان (SVM) جهت انتخاب اثربخش ترین پرتفوی از میان پرتفوی سورتینو و مارکویتز، بالاتر می باشد، چراکه به دلیل دارابودن همزمان از دو مکانیزم یادگیری و بهینه سازی شبکه عصبی و بیان زبانی استنتاج فازی، به مدیران کمک می کند تا برآوردهای بهتری نسبت به عدم اطمینان و قطعیت از خود نشان دهند.

در ساختار بانک محور اقتصاد کشور بیشترین مسئولیت تامین مالی به خصوص در سطح پروژه های کلان برعهده بانک ها می باشد. هدف از پرداخت وام با سازوکار سندیکایی، کاهش ریسک نامطلوب و افزایش نرخ موثر وام است. جامعه آماری این پژوهش اطلاعات ترازنامه ای پنج سال اخیر (1400-1396) بانک های پذیرفته شده در بورس اوراق بهادار تهران می باشد. در این تحقیق از تئوری فرامدرن پرتفوی مبتنی بر واریانس داده های نامطلوب یا نیم واریانس-نیم کوواریانس استفاده شده است. برای بررسی فرضیه تحقیق به کمک نرم افزار متلب، محل تماس مرز کارای مدل و خط بازار سرمایه در نرخ های مختلف سود محاسبه شده و پرتفوی بهینه وام های سندیکایی تعیین گردیده است. نتایج نشان می دهد؛ پرداخت وام های سندیکایی در قالب قراردادهای مشارکت مدنی و مضاربه بیشترین سود و کمترین ریسک را داشته و در مقابل، قراردادهای وام جعاله و فروش اقساطی کمترین سود و بیشترین ریسک را به همراه دارد.

اهمیت تشکیل پرتفوی به چگونگی انتخاب ترکیب مناسبی از مجموعه سهام با توجه به نوع ریسک پذیری سرمایه گذاران و بازده مورد انتظارشان و عوامل دیگر ارتباط دارد. یک پرتفوی مناسب برای شرکت های سرمایه گذاری و سرمایه گذاران در کاهش ریسک با توجه به بازده مشخص می تواند موثر باشد و زمینه جذب نقدینگی مازاد از بازار پول و ورود آن به بازار سرمایه را که از دغدغه های اصلی کشور می باشد فراهم آورد. مدل های کلاسیک پرتفوی عموما به معیارهای ریسک و بازده توجه داشته اند، اما با ورود علم فازی و کاربردهای تحقیق در عملیات، به تحقیقات نوین مدیریتی و بخصوص مالی زمینه برای استفاده بیشتر از تکنیک های نوین جهت دسترسی به پرتفوی بهینه نیز فراهم آمد.این تحقیق از مدل روی و مایتی که در خصوص برنامه ریزی آرمانی فازی (FGP) به منظور تعیین پرتفوی بهینه می باشد، بهره می گیرد. و هدف آن شناسایی مدل پرتفوی بهینه با استفاده از برنامه ریزی آرمانی فازی و لحاظ آن برای دو شرکت سرمایه گذاری نمونه آماری که در بورس اوراق بهادار تهران پذیرفته شده اند می باشد. در تحلیل داده ها نیز از بی مقیاس سازی درصدی استفاده می شود. نتایج تحقیق با توجه به اعمال مدل در سال های 1387 و 1388 بیانگر آنست که کاربرد مدل می تواند جایگاه ویژه ای در شناخت بهتر و دقیق تری از پرتفوی شرکت های سرمایه گذاری جهت تصمیم گیری آسانتر سرمایه گذاران فراهم آورد.