سبد سرمایه‌گذاری


بهینه‌سازی سبد سرمایه‌گذاری تحت نظریه اعتبار فازی با استفاده از مدل میانگین-ارزش در معرض ریسک مشروط

2 دانشجوی کارشناسی ارشد مهندسی مالی، دانشگاه صنعتی خواجه‌نصیرالدین طوسی تهران، تهران، ایران.

چکیده

با توجه به غیر قطعی بودن داده‌های مالی استفاده از روش‌های فازی باعث دقت بیشتری در مدل‎سازی می‎شود. هم‌چنین استفاده از سنجه‌ی ریسک ارزش در معرض خطر مشروط به این‌که اندازه ضرر را به سرمایه‌گذار نشان می‌دهد، به تصمیم‎گیری بهتر کمک می‎کند. در این مقاله با استفاده از سنجه ارزش در معرض ریسک مشروط و تخمین آن به‌وسیله نظریه اعتبار فازی اقدام به بهینه‌سازی سبد سرمایه‌گذاری شده است. به این منظور، بازده انتظاری پرتفوی به وسیله میانگین اعتبار فازی به‌دست آمده و سپس ارزش در معرض ریسک مشروط به وسیله همین نظریه تخمین زده‌ شده‌است. در مرحله بعد با درنظر حجم معاملات هر دارایی به شکل یک عدد فازی ذوزنقه‌ای و به‌دست آوردن یک رابطه خطی بر مبنای نظریه اعتبار، محدودیت نقدشوندگی در مدل درنظر گرفته می‌شود. همچنین جهت کاراتر شدن مدل، محدودیت‌های کف و سقف نسبت‌های سرمایه‌گذاری و محدودیت کاردینالیتی در مدل درنظر گرفته شده‎است. مدل ارائه شده با توجه به استفاده از سنجه ریسک ارزش در معرض ریسک مشروط و همچنین درنظر گرفتن محدودیتهای کارا، می‌تواند به عنوان مدلی مناسب جهت انتخاب سبد سرمایه‌گذاری معرفی شود. در نهایت نیز جهت پیاده‌سازی مدل، یک مثال عددی با استفاده از 10 سهم از بورس اوراق بهادار تهران در سال 94 که به صورت تصادفی انتخاب شده‎اند، ارائه شده است.

کلیدواژه‌ها

  • مسئله انتخاب سبد سرمایه‌گذاری سبد سرمایه‌گذاری
  • ارزش در معرض ریسک مشروط
  • نظریه اعتبار فازی
  • مدل میانگین-ارزش در معرض ریسک مشروط

مراجع

* Almeida, R. J., & Kaymak, U. (2009). Probabilistic fuzzy systems in value‐at‐risk estimation. Intelligent Systems in Accounting, Finance and Management, 16(1‐2), 49-70.

* Dai, C., Cai, X. H., Cai, Y. P., Huo, Q., Lv, Y., & Huang, G. H. (2014). An interval-parameter mean-CVaR two-stage stochastic programming approach for waste management under uncertainty. Stochastic environmental research and risk assessment, 28(2), 167-187.

* Gao, J., Zhang, X., & Wang, Q. (2011, July). Fuzzy portfolio selection based on Mean-CVaR models. In 2011 International Conference on Business Computing and Global Informatization (pp. 98-100). IEEE.

* Gupta, P., Mehlawat, M. K., Inuiguchi, M., & Chandra, S. (2014). Fuzzy portfolio optimization. Studies in fuzziness and soft computing, 316.

* Huang, X. (2010). What Is Portfolio Analysis. In Portfolio Analysis (pp. 1-9). Springer Berlin Heidelberg.

* Konno, H., & Yamazaki, H. (1991). Mean-absolute deviation portfolio optimization model and its applications to Tokyo stock market. Management science, 37(5), 519-531.

* Liu, B., & Liu, Y. K. (2002). Expected value of fuzzy variable and fuzzy expected value models. IEEE transactions on Fuzzy Systems, 10(4), 445-450.

* Liu, Y., & Gao, J. (2007). The independent of fuzzy variables in credibility theory and its applications. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 15, 1-20.

* Li, L., Li, J., Qin, Q., & Cheng, S. (2013, October). Credibilistic conditional value at risk under fuzzy environment. In Advanced Computational Intelligence (ICACI), 2013 Sixth International Conference on (pp. 350-353). IEEE.

* Mandelbrot, B. B. (1997). The variation of certain speculative prices. InFractals and Scaling in Finance (pp. 371-418). Springer New York.

* Rockafellar, R. T., & Uryasev, S. (2000). Optimization of conditional value-at-risk. Journal of risk, 2, 21-42.

* Xu, Z., Shang, S., Qian, W., & Shu, W. (2010). A method for fuzzy risk analysis based on the new similarity of trapezoidal fuzzy numbers. Expert Systems with Applications, 37(3), 1920-1927.

* Zhang, X., & Sun, W. (2010, October). Mean-CVaR models for fuzzy portfolio selection. In Intelligent System Design and Engineering Application (ISDEA), 2010 International Conference on (Vol. 1, pp. 928-930). IEEE.

* Zhu, H., & Zhang, J. (2009, November). A credibility-based fuzzy programming model for APP problem. In Artificial Intelligence and Computational Intelligence, 2009. AICI'09. International Conference on (Vol. 1, pp. 455-459). IEEE

نظریه سبد سرمایه گذاری و تحلیل های مالی

نظریه سبد سرمایه گذاری و تحلیل های مالی

این کتاب در فهرست دروس مدیریت سبد سرمایه‌گذاری مقطع کارشناسی ارشد مهندسی مالی قرار گرفته و بسیار مفید و سودمند واقع شده است.

  • دسته بندی :

این یک محصول اورجینال ( اصل ) است.

این محصول 0 سبد سرمایه‌گذاری ستاره از 0 تعداد نقد و بررسی

  • وضعیت انبار: عدم موجود در انبار این محصول در انبار فروشگاه موجود نیست.

در انبار موجود نمی باشد

ارسال به تمامی نقاط کشور

جزییات محصول

  • مرور مطالب
  • ریسك و آنالیز سبد سرمایه
  • سبد سرمایه بهینه
  • سبد سهام بازار
  • ضریب بتا
  • مدل قیمت گذاری دارایی سبد سرمایه‌گذاری های سرمایه ای “CAPM”
  • بودجه نویسی سرمایه ای، ساختار سرمایه و “CAPM”
  • نظریه قیمت گذاری معامله
  • فهرست واژگان

ارسال دیدگاه

قوانین ارسال دیدگاه در سایت

  • چنانچه دیدگاهی توهین آمیز باشد و متوجه اشخاص مدیر، نویسندگان و سایر کاربران باشد تایید نخواهد شد.
  • چنانچه دیدگاه شما جنبه ی تبلیغاتی داشته باشد تایید نخواهد شد.
  • چنانچه از لینک سایر وبسایت ها و یا وبسایت خود در دیدگاه استفاده کرده باشید تایید نخواهد شد.
  • چنانچه در دیدگاه خود از شماره تماس، ایمیل و آیدی تلگرام استفاده کرده باشید تایید نخواهد شد.
  • چنانچه دیدگاهی بی ارتباط با موضوع آموزش مطرح شود تایید نخواهد شد.

.فقط مشتریانی که این محصول را خریداری کرده اند و وارد سیستم شده اند میتوانند برای این محصول دیدگاه ارسال کنند.

بهترین سبد سرمایه گذاری ارز دیجیتال

به تازگی و در پی اخبار بسیار زیادی که از رشدهای نجومی ارزهای دیجیتال مختلف به گوش می‌رسد، افراد بسیار زیادی به این حوزه روی آورده‌اند. اغلب این افراد اطلاعات، دانش و آگاهی کافی ندارند و اغلب به دنبال راه‌های میان‌بری مثل گرفتن سیگنال برای چیدن سبد سرمایه‌گذاری ارز دیجیتال، شرکت در پلتفرم‌های دریافت رمزارز رایگان و به اصطلاح یک شبه ره صدساله رفتن هستند. به دلیل همین عدم آگاهی و دانش، این افراد بسیار در معرض خطر قرار دارند و ممکن است طعمه افراد یا پروژه‌های اسکم و کلاهبرداری قرار بگیرند.

بهترین سبد سرمایه گذاری ارز دیجیتال چیست؟

علی‌رغم وجود خطرات بسیار، در صورتی که از منابع درست و معتبری استفاده شود یا از مسیرها و مآخذ تحلیلی و خبری معتبری جهت تصمیم‌گیری برای انتخاب بهترین سبد سرمایه‌گذاری استفاده شود، امکان حوادث و اتفاقات ناگوار به شدت کاهش می‌یابد. این موضوع به این معنا نیست که پیروی کامل از یک فرد یا پروژه معتبر یا شناخته‌شده و معروف، کار کاملاً درستی است اما می‌تواند کمک شایانی به تحلیل و تصمیم‌گیری در مورد خرید و فروش یک رمزارز داشته باشد.

همچنین با توجه به اینکه مقادیر خرید و فروش و سرمایه‌گذاری شرکت‌های بزرگ به دلیل مقادیر زیاد و همچنین شهرت و اعتبار خود شرکت می‌تواند بر بازار و حرکات قیمتی رمزارزها تأثیرگذار باشد، رصد و دنبال کردن چنین مواردی بسیار حائز اهمیت است. از این رو باید در صدد شناخت چنین شرکت‌هایی باشید و در روتین تحلیل‌های خود پیگیری وضعیت سبد سرمایه‌گذاری ارزهای دیجیتال شرکت‌های معتبر در سطح دنیا را قرار دهید.

در این صفحه امکانی ارائه شده است که با استفاده از آن می‌توانید دارایی‌های موجود در سبدهای سرمایه‌گذاری ارزهای دیجیتال شرکت‌های معروف و معتبری همچون گری اسکیل را ببینید و با در نظر گرفتن ارزهای موجود در سبد و مقدار سرمایه‌گذاری در هر یک از آنها، به بررسی تأثیرات مستقیم و غیرمستقیم بر بازار آن رمزارزها بپردازید و پس از تحلیل حرکات قیمتی احتمالی حاصل از تصمیمات آن شرکت‌ها، رمزارزهای مختلف را بخرید و بفروشید.

استفاده از امکان ارائه‌شده در این صفحه بسیار ساده است؛ کافی است از میان لیست شرکت‌های موجود یکی از آنها را انتخاب کنید. جدولی شامل تعداد رمزارزهای موجود در سبد سرمایه گذاری ارز دیجیتال شرکت انتخاب‌شده، تعداد کل آنها به همراه قیمت و تغییرات 24 ساعته آن رمزارز به شما نمایش داده می‌شود. در حال حاضر لیست سبدهای سرمایه گذاری ارز دیجیتال شرکت‌های Grayscale، CryptoMoonShots و Binance IEO در این صفحه موجود است که به مرور به تعداد آنها اضافه خواهد شد.

سبد سرمایه گذاری ارز دیجیتال شرکت Grayscale

صندوق سرمایه گذاری گری اسکیل(Grayscale)، یکی از زیرمجموعه‌های شرکت سرمایه گذاری دیجیتال کارنسی گروپ (DCG) است. همچنین این شرکت به مدیریت صندوق‌های سرمایه گذاری ارزهای دیجیتال می‌پردازد و مهم‌ترین صندوق تابع آن، گری اسکیل بیت کوین تراست نام دارد که با نماد اختصاری (GBTC) نمایش داده می‌شود.

بر همین اساس رمزارزهای انتخابی و سبد سرمایه گذاری ارز دیجیتال سبد سرمایه‌گذاری این شرکت حائز اهمیت هستند.

با انتخاب گزینه Grayscale از میان شرکت‌های موجود می‌توانید اطلاعات مربوط به دارایی‌های رمزارزی این شرکت را ببینید و در تحلیل‌ها و خرید و فروش‌های خود از آن استفاده کنید.

همان‌طور که در جدول می‌بینید سبد سرمایه گذاری رمزارزی این شرکت دارای 30 رمزارز مختلف است که قیمت و تغییرات 24 ساعته آنها نیز نمایش داده شده است.

سبد سرمایه گذاری ارز دیجیتال شرکت CryptoMoonShots

یکی دیگر از شرکت‌های معروف و معتبر در زمینه سرمایه‌گذاری ارزهای دیجیتال CryptoMoonShots است. بعد از انتخاب این گزینه از میان لیست موجود می‌توانید لیست رمزارزهای موجود در سبد سرمایه گذاری ارز دیجیتال این شرکت را مشاهده کنید.

سبد سرمایه گذاری ارز دیجیتال Binance IEO

یکی دیگر از منابع معتبری که باید حرکات، رویدادها و سرمایه‌گذاری‌های آنها را زیر نظر داشته باشید Binance IEO است. همان‌طور که در جدول مشاهده می‌کنید، در سبد سرمایه گذاری ارز دیجیتال BinanceIEO تعداد 25 رمزارز وجود دارد که لیست آنها، قیمت و تغییرات 24 ساعته آنها آورده شده است.

با استفاده از اطلاعات موجود در این صفحه و بررسی اطلاعات آنها و رصد حرکات سرمایه‌گذاری آنها و دیگر موارد مشابه و همچنین استفاده از دیگر منابع و مآخذ خبری و ابزارهای تحلیلی، می‌توانید برای خود بهترین سبدهای سرمایه گذاری رمزارزی را داشته باشید.

توجه داشته باشید که اطلاعات موجود در این صفحه صرفاً جنبه اطلاع‌رسانی دارد و به هیچ وجه به معنی توصیه به کپی‌برداری کامل از هیچ یک از این سبدها نخواهد بود. بدیهی است که هر گونه خرید و فروش به قصد سرمایه‌گذاری نیاز به تحقیق و بررسی بسیار توسط شخص شما دارد.

بهینه‌سازی سبد سرمایه‌گذاری

مترجمان : دکتر محمدحسین دریایی , دکتر محمدعلی یعقوبی

درباره کتاب بهینه‌سازی سبد سرمایه‌گذاری

بهینه سازی سبد سرمایه گذاری، یکی از مباحث مهم ریاضیات مالی و به طور کلی اقتصاد است که امروزه پژوهشگران زیادی مشغول تحقیق در شاخه های مختلف آن هستند. نبود کتاب فارسی مناسب در این زمینه، مترجمان را ترغیب به ترجمه کتاب حاضر نمود. این کتاب یکی از مراجع مهم بهینه سازی سبد سرمایه گذاری است که دارای ویژگی هایی اساسی است که آن را از کتابهای مشابه، متمایز می کند. در این کتاب، مباحث ریاضی مربوط به بهینه سازی سبد سرمایه گذاری به طور کامل پوشش داده شده است به طوری که بیشتر فصل های این کتاب، شامل تعداد زیادی گزاره ریاضی هستند. همچنین با توجه به اهمیت استفاده از رایانه در مباحث مختلف ریاضیات مالی، در پایان هر فصل از این کتاب، بخشی تحت عنوان نتایج رایانه ای وجود دارد که در این بخش ها، کدهای متلب مربوط به الگوریتم های عددی هر فصل ارایه و تفسیر شده اند.

این کتاب می تواند مورد استفاده دانشجویان رشته های ریاضی و اقتصاد، و به طور کلی علاقه مندان مباحث ریاضیات سرمایه گذاری قرار گیرد.

بهینه سازی سبد سرمایه گذاری شرکت سرمایه گذاری بانک سپه با استفاده از مدل ترکیبی مارکوویتز و GARCH چند متغیره

هدف اصلی اینمقاله بهینه‌سازی پرتفوی شرکت سرمایه­گذاری بانک سپه با استفاده از روش حداقل کردن ریسک نسبت به بازدهی مورد انتظاربوده است‌. در این راستا، ابتدا ترکیب پرتفوی شرکت مذکور طی دوره 1387 الی 1390 بررسی و از بین سرمایه‌گذاری‌های انجام شده، چهار صنعت با وزن بالا انتخاب شدند‌. سپس ریسک بازدهی هر یک از این چهار صنعت در طول زمان با بکارگیری مدل GARCHچندمتغیره به صورت مدلBEKK -Diagonalبرآورد گردید‌. در ادامه با در نظر داشتن بازدهی مورد انتظار، ریسک بهینه سبد سرمایه گذاری حاوی چهار صنعت منتخب محاسبه شده است‌. یافته‌ها نشان می‌دهند هر زمان که ریسک کمتری در هر یک از صنایع وجود داشته، سهم آنها در سبد سرمایه‌گذاری بیشتر است‌. به علاوه، در میان این چهار صنعت بالاترین سهم به طور متوسط مربوط به صنعت استخراج کانی‌های غیرفلزی است و صنایع استخراج کانی‌های فلزی، شرکت‌های معظم چند رشته‌ای و صنعت مواد و محصولات شیمیایی به ترتیب در جایگاههای بعدی قرار دارند‌. بنابراین، مناسب است که شرکت سرمایه­گذاری سپه جهت حداقل کردن ریسک خود در هر زمان و همچنین دستیابی به یک بازدهی مورد انتظار چنین اولویت­بندی را مد نظر قرار دهد‌.

کلیدواژه‌ها

  • پرتفوی
  • تئوری مارکوویتز
  • مدل‌ GARCHچند متغیره
  • شرکت سرمایه‌گذاری بانک سپه

20.1001.1.22516212.1395.6.18.1.8

مراجع

اسلامی بیدگلی، غلامرضا و خان احمدی، فاطمه (1391)، امکان کاهش ریسک پورتفوی براساس مدل ناهمسانی واریانس شرطی تعمیم یافته در بورس اوراق بهادار تهران، تحقیقات مالی، دوره 14، شماره 1‌.

اسماعیلی، رضا، (1381)، تحلیل ریسک و بازده سهام شرکت­های سرمایه­گذاری در بورس تهران، نشریه پیام سرمایه­گذاری، موسسه توسعه صنعت سرمایه­گذاری ایران، شماره 11‌.

حیدری، حسن و احمد ملا بهرامی (1389)، بهینه سازی سبد سرمایهگذاری سهام بر اساس مدل های چند متغیره GARCH : شواهدی از بورس اوراق بهادار تهران، دانشکده مدیریت دانشگاه تهران، فصلنامه تحقیقات مالی، دوره 12 ، شماره 30 ‌.

راعی، رضا (1377) ، طراحی مدل سرمایه‌گذاری مناسب در سبد سبد سرمایه‌گذاری سهام با استفاده از هوش مصنوعی (شبکه عصبی)، دانشگاه تهران، رساله دکتری مدیریت مالی‌.

شهرآبادی، ابوالفضل و ندا بشیری (1389)، مدیریت سرمایه­گذاری در بورس، سازمان بورس و اوراق بهادار، اطلاع رسانی و خدمات بورس‌.

قالیباف اصل، حسن (1373)، بررسی تاثیر ساختار سرمایه (اهرم مالی) بر روی ریسک سیستماتیک سهام عادی شرکت‌های پذیرفته شده در بازار بورس اوراق بهادار تهران)، دانشگاه تهران، دانشکده مدیریت، پایان‌نامه کارشناسی ارشد‌.

Bollerslev T‌., R‌. F‌. Engle, J‌. M‌. Wooldridge (1988), A Capital Asset Pricing Model With Time-Varying Covariances, The Journal Of Political Economy, Vol‌.96, PP: 116-131‌.

Bollerslev, T (1990), Modeling the Coherence In Short-Run Nominal Exchange Rates: A Multivariate Generalized Arch Model, Review Of Economics And Statistics, Vol‌.72, PP: 498-505‌.

Baba Y, Engle R‌. F, Kraft D‌. F, Kroner K‌. F (1991) ,Multivariate Simultaneous Generalized Arch, University Of California And San Diego: Department Of سبد سرمایه‌گذاری Economics, Discussion Paper‌.

Chang‌.T‌.J, Yang‌.S‌.C, Kuang‌.J‌.C, (2009), Portfolio Optimization Problems In Different Risk Measures Using Genetic Algorithm, Expert Systems With Applications 36‌. 10529–10537, Journal Homepage: Www‌.Elsevier‌.Com/Locate /Eswa‌.

Horasanli, Mehmet and Fidan, Neslihan (2007), Portfolio Selection By Using Time Varying Covariance Matrices, Journal Of Economic And Social Research,Vol‌.9, No‌.2,PP:1-22‌.

Lütkepohl, Helmut and Krätzig, Markus (2009), Applied Time Series Econometrics, Cambridge University Press‌.

Manabu, Asai and Michael, Mcaleer (2008), A Portfolio Index Garch Model, International Journal of Forecasting , Vol‌.24, PP: 449–461‌.

Markowitz, H‌. (1959), Portfolio سبد سرمایه‌گذاری Selection: Efficient Diversification of Investments, John Wiley & Sons, New York‌.

Pojarliev M, and Polasek, W‌. (2000), Applying Multivariate Time Series Forecasts for Active Portfolio Management, University of Basel; Http://Www‌.Unibas‌.Ch/Iso‌.

Yilmaz,T (2010), Improving Portfolio Optimization By Dcc And Deco Garch: Evidence From Istanbul Stock Exchange, Munich Personal Repec Archive, No‌. 27314‌.

Young, M‌.R‌. (1998), A Minimax–Portfolio Selection Rule With Linear Programming Soulotion, Management Science, Vol‌.44, PP: 673-683‌.



اشتراک گذاری

دیدگاه شما

اولین دیدگاه را شما ارسال نمایید.