بررسی مقایسه ای بازده استراتژی مقیاس زمانی مرکب در مدیریت پرتفوی در بورس اوراق بهادار تهران و بازارهای نوظهور

نوسان در قیمت ها در بازار سهام می تواند شامل دو مقیاس زمانی مختلف باشد: یک رویکرد بلندمدت که توسط مدیران مالی هدایت می شود و یک افق کوتاه مدت که به وسیله مکانیزم های تجاری خاص اداره می شود. در اینجا یک مقیاس ترکیبی برای مدیریت پرتفوی های سهام ارائه می شود؛ رویکرد بلندمدت از تئوری تحلیل میانگین- واریانس مارکوویتز بهره می برد؛ در حالی که نوسان کوتاه مدت در قیمت سهام به وسیله یک حد تجاری کنترل می شود. در این استراتژی ترکیبی، آزمون بر اساس تجارت دوره ای با تناوب ده روزه صورت گرفته است. در آغاز هر دوره ی تجاری یک سبد سرمایه گذاری دوسهمی که نرخ شارپ بهینه را در بین تمامی ترکیبات ممکن از سهم های انتخاب شده شاخص مورد نظر دارند، با استفاده تحلیل میانگین- واریانس انتخاب شده اند. این کار در یک فرآیند دو مرحله ای انجام شده است که با حداکثرسازی نسبت شارپ برای هر جفت و اجرای فرض بدترین سناریو و تعیین حـدی که فعالیت تجاری را کنترل می کند، صورت می گیرد. سپس نوسان قیمت سهم های انتخابی مورد آزمون قرار می گیرد تا رفتار تجاری مشخص شود. در اینجا یک حد تجاری ارائه می شود تا تصمیمات تجاری را تسهیل کرده و این امکان را به وجود آورد که پرتفوی انتخاب شده یک روند افزایشی را در روز تصمیم داشته باشد. انتخاب دوره ی ده روزه ی تجاری تعداد معاملات را کاهش می دهد تا از این راه از هزینه ی معامله ی اضافی اجتناب شود. بنابراین این استراتژی ترکیبی به سرمایه گذاران در شرایط مختلف اجازه ی انعطاف پذیری بیشتری می دهد. با توجه به این مزایا، محقق، مسئله ی این تحقیق را بررسی عملکرد این استراتژی در شاخص سهام ایران و بازارهای نوظهور هنگ کنگ، برزیل، سنگاپـور، مکـزیک و مالـزی قرار داده است. پس از بررسی نتایج، با پیش فرض 1.005=? و با درجه ی اطمینان 95 درصد، اختلاف معناداری بین میانگین بازده کل حاصل از اجرای استراتژی مقیاس زمانی مرکب، در بورس اوراق بهادار تهران و هر یک از بازارهای نوظهور انتخابی دیده شد و همه فرضیه ها تأیید شدند. اما با پیش فرض 1.01=? چهار فرضیه از پنج فرضیه تأیید شدند و تنها در مورد برزیل، با درجه ی اطمینان 95 درصد، اختلاف معناداری بین میانگین بازده کل حاصل از اجرای استراتژی مقیاس زمانی مرکب، در بورس اوراق بهادار تهران و بازار سهام این کشور مشاهده نشد.