آمار
| تعداد نشریات | 45 |
| تعداد شماره‌ها | 1,406 |
| تعداد مقالات | 17,244 |
| تعداد مشاهده مقاله | 55,695,586 |
| تعداد دریافت فایل اصل مقاله | 17,882,758 |
ارزیابی مدل‌های پرتفوی سرمایه گذاری در صندوق‌های سرمایهگذاری مشترک در بازارهای مالی جهانی (با تاکید بر الگوریتم فرا ابتکاری چند هدفه) | ||
| نشریه علمی پژوهشی مدیریت کسب و کارهای بین المللی | ||
| مقاله 7، دوره 5، شماره 1 - شماره پیاپی 17، فروردین 1401، صفحه 147-166 اصل مقاله (1.16 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/jiba.2021.46971.1741 | ||
| نویسندگان | ||
| لیلا ناطقیان1؛ سعید جبارزاده کنگرلویی* 2؛ جمال بحری ثالث3 | ||
| 1دانشجوی دکتری حسابداری، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران | ||
| 2دانشیار گروه حسابداری، واحد ارومیه، دانشگاه آزاداسلامی، ارومیه، ایران | ||
| 3دانشیار گروه حسابداری، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران | ||
| چکیده | ||
| پیچیدگی ابزارها و بازارهای مالی، تصمیم‌گیری در خصوص انتخاب نوع دارایی را برای سرمایه‌گذاران دشوار می‌کند، به‌طوری‌که سرمایه‌گذاران همواره در تصمیم‌گیری‌های خود با مسئلهٔ بهینه‌سازی مجموعهٔ دارایی‌ها روبه‌رو هستند؛ بنابراین انتخاب سبد سرمایهگذاری مناسب به‌منظور حداکثر سازی سود یکی از اصلی‌ترین دغدغه‌های سرمایه‌گذاران است. با این بیان هدف مقاله حاضر مقایسه توضیح دهندگی و عملکرد مسئله بهینه‌سازی و قدرت پیش‌بینی مدل‌های ARMA-شبیهسازی تاریخی و ARFIMA-مونت کارلو (از مدل‌های پدیرفته شده در دنیا) در بهینه‌سازی پرتفوی صندوق‌های سرمایهگذاری مشترک است. جامعهٔ آماری و نمونه شامل داده‌های صندوق‌های منتخب معامله شده در بورس اوراق بهادار کشورهای منتخب عضو فدراسیون بورس‌های آسیایی و اروپایی (FEAS) بین سالهای ۲۰۱۳ تا ۲۰۱۹ بوده است. نتایج پژوهش نشان داد که مدل ARIMA-ارزش در معرض ریسک (شبیهسازی تاریخی) مرز کارای بالاتری در مقایسه با ARIMA-ارزش در معرض ریسک (شبیهسازی مونت کارلو) دارد. همچنین مرز کارای (جبهه پارتو) رسم شده توسط الگوریتم PESA-II برای مدل دیگر را در خود جای‌داده است. برای پی بردن به معنادار بودن این تفاوت عملکرد آزمون من-ویتنی بررسی شده است. نتایج بیانگر آن است که معیار شارپ پرتفلیو بهینه ARIMA-ارزش در معرض ریسک (شبیهسازی تاریخی) در مقایسه با ARIMA-ارزش در معرض ریسک (شبیهسازی تاریخی) بهتر است. | ||
| کلیدواژه‌ها | ||
| صندوق‌های سرمایهگذاری مشترک؛ بازارهای مالی؛ الگوریتم فراابتکاری چند هدفه؛ FEAS | ||
| مراجع | ||
|
بحری ثالث، جمال؛ پاک مرام، عسگر؛ ولی زاده، مصطفی (۱۳۹۷)."انتخاب و بهینه‌سازی سبد سهام با استفاده از روش میانگین واریانس مارکویتز با بهره‌گیری از الگوریتم‌های مختلف". فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار، سال یازدهم، شماره 37.
راعی، رضا؛ فلاح طلب، حسین(1392). "کاربرد شبیهسازی مونت کارلو و فرایند قدم زدن تصادفی در پیش بینی ارزش در معرض ریسک ". مجله مهندسی مالی و مدیریت اوراق بهادار، شماره 16
شیدایی نرمیقی، علی؛ رهنمای رودپشتی، فریدون؛ رادفر، رضا (۱۳۹۹)."بهینه‌سازی پرتفوی سرمایهگذاری مبتنی بر ماتریس شبکه و مقایسه آن با الگوریتم ژنتیک". فصلنامه علمی پژوهشی دانش سرمایهگذاری، سال نهم، شماره سی و ششم.
فتاحی نافچی، حسن؛ عرب صالحی، مهدی؛ اسماعیلیان، مجید."انتخاب سبد بهینه سهام با بکارگیری اطلاعات حسابداری، اطلاعات مبتنی بر ارزش و اطلاعات کارت ارزیابی متوازن(مطالعه موردی: شرکتهای پذیرفته شده در بورس اوراق بهادار تهران)". مجله پیشرفتهای حسابداری دانشگاه شیراز، دوره یازدهم، شماره دوم، 285-320.
فلاح‌پور، سعید؛ راعی، رضا؛ فدائی نژاد، محمد اسماعیل؛ مناجاتی، رضا (۱۳۹۸)." ارائه مدلی جهت بهینه‌سازی فعال با استفاده از ارزش در معرض ریسک شرطی؛ کاربردی از رویکرد مدل‌های ناهمسانی واریانس شرطی بر اساس رویکرد الگوریتم DE". فصلنامه علمی پژوهشی دانش سرمایهگذاری، سال هشتم، شماره 30.
میرلوحی، سید مجتبی؛ محمدی تودشکی، نیما (۱۳۹۹)." تشکیل سبد سرمایهگذاری بهینه در بورس اوراق بهادار با استفاده از روش‌های خوشه‌بندی سلسله مراتبی و تفکیکی". فصلنامه علمی پژوهشی دانش سرمایهگذاری، سال نهم، شماره 34.
نجفی مقدم، علی(1396). "انتخاب روش بهینه در محاسبه ارزش در معرض خطر صندوق سرمایهگذاری"، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، دوره8، شماره31، 265-237.
Chou,Y.H., Kuo,S.Y. & Lo,Y.T. (2017). “Portfolio Optimization Based on Funds Standardization and Genetic Algorithm” IEEE
Douglas, J.Cumming, Sofia,J. Yelin, ZH. (2019). What is Mutual Fund flow? Journal of International finantial markets, Institutions and Money, Vol62, No.222-251.
Inderjit,K(2018). “Effect of mutual funds characteristics on their performance and trading strategy: A dynamic panel approach “, Cogent Economics & Finance, 6:1.
Lin, Chang., Lin, Yi, Ting., (2008),”Genetic Algorithm for portfolio selection problem with transaction lost”, European journal of Operational Research., Vol.185, ISSUE, 1, 16, PP. 393-401.
Rom, B.M., Ferguston, K,(2001). Managing downside risk in financial markets: Theory, practice and implementation, Butterworth-Heinemann finance, p.59.
Silva, A, Neves, R., & Horta, N, (2015). A hubrid approach to portfolio composition based on fundamental and technical. Expert Systems with Applications, 42(4), 2036-2048.
Tsolas, I. E. (2020). Precious Metal Mutual Fund Performance Evaluation: A Series Two –Stage DEA Modeling Approach. Journal of Risk and Management, 13(5), 87.
Vladimir,R. Mikia, D., Branko, U. Rank, J. (2016). Mean univariate –GARCH VaR Portfolio Optimozation: Actual Portfolio Approach. Computers & Operations Research 72(2016) 83-92.
| ||
|
آمار تعداد مشاهده مقاله: 772 تعداد دریافت فایل اصل مقاله: 584 |
||