طراحی سبد سهام با قابلیت پیروی از بازده بازار با استفاده از رویکرد نظریه ماتریسهای تصادفی
Authors
Abstract:
هدف این مقاله طراحی سبد سهام با قابلیت پیروی از بازده بازار با استفاده از روش نظریه ماتریسهای تصادفی می باشد. در این پژوهش، با استناد به مطالعات پیشین درخصوص مشارکت تمامی سهمها در بزرگترین ویژهمقدار که نشاندهنده روند بازار است، با استفاده از کمیت ST، میزان مشارکت هر سهم در روند بازار را استخراج نموده و سبدی از گروههای مختلف (سهام دارای بیشترین میزان مشارکت در روند،مشارکت متوسط و مشارکت کم) تشکیل دادیم. داده های مورد استفاده مربوط به سهام هشت شاخص از بورسهای دنیا شامل بازارهای کارا و نوظهور( S&P500 و DJ آمریکا، DAX آلمان، FTSE100 انگلستان و HSI هنگکنگ به عنوان بازارهای کارا، TSE ایران، MXX مکزیک و SSE180 چین به عنوان بازارهای نوظهور) و متعلق به 730 روز کاری این بازارها از می 2012 تا اکتبر 2014 و برای ایران از آبان 92 تا 94 میباشد. مقایسه نتایج بازدهی سه سبد حاکی از آن است که سهمهای دارای بیشترین میزان مشارکت در روند بازار، قابلیت کسب بازدهی مطلوبتری نسبت به بازده بازار را دارند.
similar resources
بهینه سازی سبد سهام با رویکرد میانگینـ واریانس و با استفاده از الگوریتم فراابتکاری جستوجوی شکار
این مقاله، یک راه حل فراابتکاری جدید برای حل مسئله جستوجوی افق کارا با رویکرد میانگینـ واریانس ارائه میدهد. مسئله بهینهسازی سبد سهام، کوآدراتیک است و با افزایش تعداد داراییها و محدودیتها، به انپیسخت تبدیل شده است و نمیتوان با روشهای مرسوم ریاضی در زمان معقول آن را حل کرد. ازاینرو، از روشهای ابتکاری و فراابتکاری بهمنزله راهکاری مناسب استفاده میشود. این مقاله به بهینه سازی سبد سه...
full textبهینهسازی سبد سهام با استفاده از الگوریتم جستوجوی ارگانیسمهای همزیست
بهینهسازی سبد سهام یکی از مهمترین موضوعاتِ تصمیمگیری برای شرکتهای فعال در بازار سرمایه است. هنگامی که وضعیت و محدودیتهای دنیای واقعی نظیر محدودیت سرمایهگذاری در هریک از سهامها و نیز محدودیت تعداد سهامهای موجود در سبد سهام در نظر گرفته میشوند، مسئلۀ بهینهسازی سبد سهام به راحتی حل نمیشود، از این رو استفاده از شیوههای فراابتکاری مد نظر قرار میگیرد. هدف اصلی از پژوهش حاضر، حل مسئلۀ بهین...
full textپیشبینی بازده سهام با استفاده از نسبت های حسابداری با رویکرد شبکههای عصبی
هدف این تحقیق پیشبینی بازده سهام با استفاده از نسبتهای حسابداری با رویکرد شبکههای عصبی است. در این تحقیق توانایی پیشبینی بازده سهام با استفاده از نسبتهای حسابداری با دو رویکرد شبکههای عصبی مصنوعی و رگرسیون حداقل مربعات مورد بررسی قرار گرفته است. متغیرهای مستقل در این تحقیق نسبتهای حسابداری و متغیر وابسته بازده سهام میباشد بدین منظور نسبتهای حسابداری برای دو صنعت سیمان و دارو به مدت 8 س...
full textانتخاب سبد سهام با استفاده از بهینهسازی استوار
مقالۀ حاضر به انتخاب سبد پرتفوی با استفاده از بهینهسازی استوار پرداخته است. از آنجا که پارامترهای مسئلۀ انتخاب سبد سهام، یعنی قیمت سهم، سود تقسیمی، بازده و... هر سهم را بهدلیل نوسانهای بازار و قیمتها نمیتوان ثابت در نظر گرفت، باید از روشی بهره برد که عدم قطعیت دادهها لحاظ شود. بهینهسازی استوار راهحلی عملی برای مسائلی بهشمار میرود که در آنها مقدار و توزیع پارامترها نامعلوم است. روشهای...
full textبهینهسازی سبد سهام با استفاده از الگوریتم تکامل تفاضلی و رویکرد ارزش در معرض ریسک مشروط
انتخاب یک سبد سهام به منظور بیشینهسازی سود، یکی از دغدغههای مهم سرمایهگذاران خرد و نهادی در بازارهای مالی جهان است. ازاینرو، بهینهسازی داراییهای مالی به صورتی کارا و مطمئن، یکی از مهمترین موضوعات جدید در مباحث مالی است که با بهرهگیری از رویکردهای نوین از سایر علوم، سعی در بهبود عملکرد تشکیل سبد داراییها دارد. بر این اساس در این تحقیق با استفاده از رویکرد حداقل سازی ریسک سبد داراییهای ...
full textپیشبینی بازده آتی بازار سهام با استفاده از مدلهای آریما، شبکه عصبی و نویززدایی موجک
موضوع شناخت و بررسی رفتار قیمت سهام، همواره یکی از موضوعهای مهم و مورد توجه محافل علمی و سرمایهگذاری بوده است. اخیراً تعداد زیادی از پژوهشگران در پژوهشهای خود بازار سهام را به عنوان یک سیستم پویای غیرخطی در نظر گرفتهاند. در این پژوهش، تلاش شده است با استفاده از تبدیل موجک و شبکه عصبی مدلی ارایه شود که پیش بینی دقیقتر و با خطای کمتری از بازده شاخص بورس اوراق بهادار داشته باشد. در این مدل ترک...
full textMy Resources
Journal title
volume 9 issue 34
pages 69- 83
publication date 2018-03-21
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023