بهینه‌سازی سبد سهام با حداقل میانگین انحرافات مطلق کارایی‌های متقاطع

نوع مقاله: مقاله علمی پژوهشی

نویسندگان

1 کارشناس ارشد مدیریت صنعتی، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان، رشت، ایران

2 استادیار گروه مدیریت دانشکدة ادبیات و علوم انسانی، دانشگاه گیلان، رشت، ایران

3 استادیار گروه مدیریت دانشکده ادبیات و علوم انسانی، دانشگاه گیلان، رشت، ایران

چکیده

سرمایه‌گذاری در بازار سهام همواره با این مسئلۀ اساسی همراه بوده که دارایی نقدی چگونه بین سهام شرکت‌ها تخصیص یابد تا منافع سرمایه‌گذار را تأمین کند. پژوهش حاضر تلاش می‎کند با ارائۀ دو رویکرد جدید، سرمایه‌گذاران را در انتخاب سبد سهام بهینه به‎شکل مؤثرتری یاری دهد. در پژوهش حاضر رویکرد استفاده از کارایی متقاطع به جای بازده سهم‌ها، به­عنوان مبنای اطلاعاتی برای حل مدل حداقل میانگین انحرافات مطلق از میانگین پیشنهاد شده که در آن از شاخص‌های مالی به­عنوان دادۀ اولیه برای تشکیل سبد بهره می‎برد. رویکرد دیگر، الگوریتمی دو مرحله‌ای است که در آن هنگام استفاده از شاخص‌های مالی، الزام بخش‌بندی بازار به صنایع مختلف در کانون توجه قرار گرفته است. در انتها معیار شارپ نشان می‌دهد میان رویکردهای ارائه‎شده و روش‌های رایج تفاوت بارزی وجود دارد. نتایج به‎دست آمده نشان‎دهندۀ عملکرد مطلوب این دو رویکرد نسبت به روش‌های مشابه است.

کلیدواژه‌ها


عنوان مقاله [English]

Portfolio Optimization with Minimum Average Absolute Deviations of Cross- efficiency

نویسندگان [English]

  • Aramaghan Alipour Jorshari 1
  • keikhosro Yakideh 2
  • Gholamreza Mahfoozi 3
1 1. MSc Management, University of Guilan, Rasht- Iran
3 Assistant Professor of Management, University of Guilan, Rasht- Iran
چکیده [English]

Investing in the stock market has always been a key issue that how liquid assets are specialized among stocks of the companies to meet the interests of the investor. This research is tried to help investors to choose portfolio optimization more effectively by offering two new approaches .The approach of using cross-efficiency table instead of stock return is presented as the basis to solve the model of the minimum mean of absolute deviations from the average, in which financial indicators were used as initial data to form the portfolio. Another approach is a two-stage algorithm in which the requirement for segmentation of the market to various industries has been considered when using financial indicators. Finally, sharp criteria shows that there is a significant difference between the proposed approaches and the current methods. The results show that these two approaches are more suitable than similar ones.

کلیدواژه‌ها [English]

  • Cross efficiency
  • Minimum average absolute deviations
  • Portfolio
  • RAM model
  • Sharp criteria
الهی، م.؛ یوسفی، م.؛ زارع مهرجردی، ی. (1393). بهینه‎‏سازی سبد ‏سهام با رویکرد میانگین ‌ـ ‏واریانس و با استفاده از الگوریتم فراابتکاری جست‌وجوی شکار. تحقیقات مالی، 16(1)، 56-37.

دارابی، ر.؛ وقفی،ح.؛ حبیب‎زاده، ج.؛ آهنگری، م. (1395). انتخاب پرتفوی بهینه سهام در شرکت‎های پذیرفته شده بورس اوراق بهادار تهران به روش ICID. دانش مالی تحلیل اوراق بهادار (مطالعات مالی)، 31(9) ، 122-111.

قدوسی، س.؛ تهرانی، ر.؛ بشیری، م. (1394). بهینه‎سازی سبد سهام با استفاده از روش تبرید شبیه‎سازی شده. تحقیقات مالی، 17(1)، 158-141.

گودرزی، م.؛ یاکیده، ک.؛ محفوظی، غ. (1395). بهینه‎سازی سبد سهام با تلفیق تحلیل پوششی داده‌ها و روش تصمیم‌گیری هورویتز. پژوهش‌های نوین در تصمیم‌گیری، 1(4)، 165-143.

گودرزی، م.؛ یاکیده، ک.؛ محفوظی، غ. (1395). بهینه‎سازی سبد سهام با تلفیق کارایی ‌متقاطع و نظریۀ بازی‎ها. مدیریت صنعتی، 8(4)، 706-685.

مؤمنی، م. (1393). مباحث نوین تحقیق در عملیات. تهران: گنج شایگان.

یاکیده، ک.؛ قلی‎زاده، م.؛ کاظمی میانگسکری، م.، (1395). بهینه سازی سبد سهام بر مبنای کارایی های متقاطع با مدل خطی حداقل ارزش در معرض خطر شرطی. پژوهشهای نوین در ریاضی، 2(6)، 47-33.

Chang, T. J., Meade, N., Beasley, J. E., Sharaiha, Y. M.) 2000(. Heuristics for cardinality constrained portfolio optimisation. Computers and Operations Research,  27(1), 271–302.

Darabi, R., Vaghfi, H., Habibzadeh, J., & Ahangari, M. (2016). Select Optimal Portfolio of Stock in Companies Listed at Tehran Stock Exchange, Financial Knowlage of Securities Analaysis, 9(31), 11-122. (in Persian)

Deng, G. F., Lin, W. T., & Lo, C. C. (2012). Markowitz-based portfolio selection with cardinality constraints using improved particle swarm optimization. Expert Systems with Applications, 39(4), 4558-4566.

Edirisinghe, N. C. P., & Zhang, X. (2008). Portfolio selection under DEA-based relative financial strength indicators: case of US industries. Journal of the Operational Research Society, 59(6), 842-856.

Elahi, M., Yoosefi, M. (2014). Mean-variance portfolio optimization approach using the Search Algorithm for hunting. Journal of financial research, 16(1), 37-56. (in Persian)

Goodarzi, M., Yakideh, K., Mahfoozi, GH. (2016). Portfolio optimization by combining data envelopment analysis and decision-making Hurwicz method, Modern Researches in Decision Making, 4(1), 165-143. (in Persian)

Goodarzi, M., Yakideh.K., Mahfoozi.GH. (2017). Portfolio optimization by synthesis of cross efficiency and Game theory, Journal of Industrial Management, 8(4), (2017), 685-706. (in Persian)

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

Li, P., Han, Y., Xia, Y. (2016). Portfolio Optimization Using Asymmetry Robust Mean Absolute Deviation Model. Finance Research Letters, 21(44), 1-10.

Lim, S., Oh, K. W., & Zhu, J. (2014). Use of DEA cross-efficiency evaluation in portfolio selection: An application to Korean stock market. European Journal of Operational Research, 236(1), 361-368.

Mansini, R., Ogryczak, W. & Speranza, M.G. (2003). LP Solvable Models for Portfolio Optimization: A Classification and Computational Comparison. IMA Journal of Management Mathematics, 14, 187-220.

Mansini, R., Ogryczak, W., Grazia, M.C. (2015). Linear and Mixed Integer Programming for Potfolio Optimization, New York: AG Switzerland.

Markowitz, H. (1952). Portfolio selection. The journal of finance, 7(1), 77-91.

Momeni, M. (2015). New Operational Research Topics. Gange Shaygan, Tehran.
(in Persian)

Oh, K. J., Kim, T. Y., & Min, S. (2005). Using genetic algorithm to support portfolio optimization for index fund management. Expert Systems with Applications, 28(2), 371-379.

Papahristodoulou, C., Dotzauer, E. (2004). Optimal portfolios using linear programming models. Journal of the Operational Research Society, 55, 1169–1177.

Qodsi, S., Tehrani, R., Bashiri, M. (2015). Portfolio optimization with simulated annealing algorithm. Journal Of Financial Research, 17(1), 141-158.
(in Persian)

Samaras, G. D., Matsatsinis, N. F., & Zopounidis, C. (2008). A multi criterion DSS for stock evaluation using fundamental analysis. European Journal of Operational Research, 187(3), 1380–1401.

Shalit, H., & Yitzhaki, S. (2005). The mean-gini efficient portfolio frontier. Journal of Financial Research, 28(1), 59-75.

Sharma, A., Mehra, A. (2016). Financial analysis based sectoral portfolio optimization under second order stochastic dominance. Annals of Operations Research, 256(1), 171-197.

Sharpe, W. F. (1964). Capital asset prices: A theory of market equilibrium underconditions of risk. The journal of finance, 19(3), 425-442.

Sharpe, W. F. (1971). A linear programming approximation for the general portfolio analysis problem. Journal of Financial and Quantitative Analysis, 6(5), 1263-1275.

Xidonas, P., Mavrotas, G., & Psarrasa, J. (2009). A multi criteria methodology for equity selection using financial analysis. Computers and Operations Research, 36, 3187–3203.

Yakideh, K., Gholizadeh, M.H., Kazmi, M. (2017). Portfolio Optimization Based on Cross Efficiencies By Linear Model of Conditional Value at Risk Minimization. New research in Mathematics, 2(6), 33-47. (in Persian)