استفاده از کاپیولا-CVaR در بهینه‌سازی سبد سرمایه‌گذاری و مقایسه تطبیقی آن با روش Mean-CVaR

Authors

Abstract:

بهینه‌سازی سبد سرمایه‌گذاری یکی از چالش‌های پیش‌روی بنگاه‌های اقتصادی است. صاحبنظران مختلف با فرضیات گوناگون در پی یافتن وزن بهینه هر دارایی در سبد سرمایه‌گذاری می‌باشند. باتوجه به اینکه یکی از فعالیت‌های عمده صندوق‌های سرمایه‌گذاری وشرکت‌های سرمایه‌گذاری پرتفوی‌گردانی می‌باشد انتخاب روش مناسب بهینه‌سازی برای این شرکت‌ها امری ضروری است. با توجه به محدودیت اساسـی روش میانگین-واریانس مبنی بر نرمال بودن توزیع بازده دارایی‌ها روش‌های فاقد این محدودیت برای استفاده شرکت‌های مذکور و سرمایه‌گذاران مناسب‌تر می‌باشند. از سوی معیار ارزش در معرض خطر شرطی (CVaR) علاوه بر دارا بودن تمام خصوصیات معیار ارزش در معرض خطر (VaR) دارای مزایای بیشتری نسبت به آن از قبیل سادگی محاسبات، معیار دقیق‌تر ریسک و در نظر گرفتن احتمالات مختلف برای حالات مختلف می‌باشد، به این دلیل در تحقیق خود از معیار ارزش در معرض خطر شرطی استفاده می‌نماییم. بر این اساس، در این تحقیق برای دو فلز طلا و مس با استفاده از داده‌های هفتگی ابتدای سال 2002 تا انتهای 2013 با استفاده از روش کاپیولای نرمال اقدام به ایجاد پرتفوی بهینه می‌نماییم و در انتها معیار شارپ به‌دست آمده از این روش را بـا معیـار شـارپ Mean-CVaR مقایسه می‌کنیم و مشاهده می‌شود روش کاپیولا عملکرد بهتری دارد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

استفاده از کاپیولا-cvar در بهینه سازی سبد سرمایه گذاری و مقایسه تطبیقی آن با روش mean-cvar

بهینه سازی سبد سرمایه گذاری یکی از چالش های پیش روی بنگاه های اقتصادی است. صاحبنظران مختلف با فرضیات گوناگون در پی یافتن وزن بهینه هر دارایی در سبد سرمایه گذاری می باشند. باتوجه به اینکه یکی از فعالیت های عمده صندوق های سرمایه گذاری وشرکت های سرمایه گذاری پرتفوی گردانی می باشد انتخاب روش مناسب بهینه سازی برای این شرکت ها امری ضروری است. با توجه به محدودیت اساسـی روش میانگین-واریانس مبنی بر نرما...

full text

CVaR Robust Mean - CVaR Portfolio Optimization

One of the most important problems faced by every investor is asset allocation. An investor during making investment decisions has to search for equilibrium between risk and returns. Risk ‎and ‎return are uncertain parameters in ‎the ‎suggested portfolio optimization models and should be estimated to solve the‎problem. The estimation might‎ lead ‎to ‎large ‎error in the final decision. One of t...

full text

بهینه‌سازی سبد سهام با استفاده از روش Mean-CVaR و رویکرد ناهم‌سانی واریانس شرطی متقارن و نامتقارن

هدف: مدیریت ریسک یکی از حوزه‌های مهم‌ پژوهشی در رشته مالی است که مدیران و سرمایه‌گذاران بسیاری در بخش‌های مختلف به آن توجه کرده‌اند، به‌خصوص با وقوع بحران‌های مالی در سال‌های اخیر، اهمیت اجرای پژوهش‌های دقیق‌تر در این حوزه دوچندان شده است. هدف اصلی این پژوهش، ارائه مدلی برای اندازه‌گیری دقیق‌تر ریسک در پرتفولیوهای سهام است. روش: برای اجرای این پژوهش، از قیمت پایانی تعدیل‌شده 3...

full text

Optimal Dynamic Portfolio with Mean-CVaR Criterion

Value-at-risk (VaR) and conditional value-at-risk (CVaR) are popular risk measures from academic, industrial and regulatory perspectives. The problem of minimizing CVaR is theoretically known to be of a Neyman–Pearson type binary solution. We add a constraint on expected return to investigate the mean-CVaR portfolio selection problem in a dynamic setting: the investor is faced with a Markowitz ...

full text

Fast gradient descent method for Mean-CVaR optimization

We propose an iterative gradient descent procedure for computing approximate solutions for the scenario-based mean-CVaR portfolio selection problem. This procedure is based on an algorithm proposed by Nesterov [13] for solving non-smooth convex optimization problems. Our procedure does not require any linear programming solver and in many cases the iterative steps can be solved in closed form. ...

full text

Performance-based regularization in mean-CVaR portfolio optimization

Regularization is a technique widely used to improve the stability of solutions to statistical problems. We propose a new regularization concept, performance-based regularization (PBR), for data-driven stochastic optimization. The goal is to improve upon Sample Average Approximation (SAA) in finite-sample performance while maintaining minimal assumptions about the data. We apply PBR to mean-CVa...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 22  issue 72

pages  155- 172

publication date 2015-01

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023