بهینه سازی سبد سهام

توسعه بازارهای مالی و بازار سهام نقش اساسی در توسعه اقتصادی دارد. با توجه به اینکه بازارهای مالی همواره با ریسک و نااطمینانی همراه می باشند و شوک و تلاطم در یک بازار بر بازارهای دیگر اثر می گذارد لذا از اهداف اصلی تحقیق حاضر شناسایی نوع توزیع سری های مالی (بازدهی سهام صنایع مختلف) و برآورد نااطمینانی و ریسک (تلاطم) آنها، تعیین وزن سهام در سبد سرمایه گذاری و همچنین شناسایی دقیق چگونگی تغییرات تلاطم و شدت همبستگی و تعاملات میان سهام صنایع مختلف طی زمان جهت حداکثرسازی منافع سرمایه گذاران و ارائه راهکارهای لازم به برنامه ریزان و سیاست گذاران برای مدیریت و توسعه بازار سهام می باشد. به منظور بهینه سازی سبد سرمایه گذاری، از آمار دادههای هفتگی شاخص قیمت 6 صنعت منتخب (انبوهسازی، بانکها و مؤسسات اعتباری، شیمیایی، خودرو، دارویی و فلزات اساسی) در بازه زمانی 07/01/1389 تا 29/10/1399 استفاده شده است. بدین منظور با استفاده از مدل گارچ متعامد و داده های هفتگی شاخص قیمت سهام صنایع مختلف، عناصر ماتریس واریانس- کواریانس شرطی بازدهی سهام (تلاطم) برآورد گردید، سپس اوزان بهینه سبد سهام با استفاده از اطلاعات بدست آمده و توزیع جنرال هیپربولیک t چوله (بعنوان نزدیکترین توزیع به توزیع بازدهی سهام مورد مطالعه بر اساس نتایج برآورد توزیع داده ها)، در چارچوب مدل های میانگین-واریانس کلاسیک ایستا و پویا و همچنین مدل میانگین-ارزش در معرض خطر شرطی ایستا، محاسبه و با هم مقایسه شد. بر اساس مدل میانگین-واریانس کلاسیک پویا (بعنوان مناسب ترین مدل)، بیشترین وزن در سبد سهام در دوره مورد مطالعه بترتیب مربوط به صنعت دارویی (0/6336) و صنعت شیمیایی (0/3539) بوده است.

تعیین سبد بهینه ای از سهام در بورس اوراق بهادار جهت سرمایه گذاری های علمی و مهندسی شده از اهمیت بالایی برخوردار بوده و امروزه سرمایه گذاران در بورس های سراسر دنیا چنین هدفی را دنبال می کنند.از این جهت روش های مختلفی در راستای ایجاد سبد بهینه سهام پیشنهاد و عملیاتی شده است. هدف از این پژوهش انتخاب پرتفوی بهینه سهام با استفاده از الگوریتم فرا ابتکاری ملخ و مقایسه آن با مارکویتز در بورس اوراق بهادر تهران است. روش پژوهش، توصیفی- تحلیلی از نوع پس رویدادی است و یک پژوهش کاربردی محسوب می شود. جامعه آماری شامل کلیه ی شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1394 تا 1399 بوده و نمونه ی پژوهش شامل 16 شرکت فعال تر بورس در طی دوره ی تحت بررسی می باشد. اطلاعات مالی شرکت های نمونه به روش اسنادکاوی در محیط اکسل استخراج و پس از تلخیص جهت تحلیل به منظور تعیین سبد بهینه سهام به روش های الگوریتم ملخ و مارکویتز استفاده شده است .نتایج نشان داد بر اساس کمترین ریسک، الگوریتم ملخ نسبت به مدل مارکویتز کاراتر است. لذا پیشنهاد می شود ، تشکیل سبد بهینه سهام برای سرمایه گذاران بر اساس الگوریتم ملخ انجام پذیرد.

هدف اصلی این پژوهش، طراحی مدلی جامع برای بهینه سازی سبد سهام در شرایط حباب بازار سرمایه با استفاده از مدیریت استراتژیک هوشمند است؛ الگویی که بتواند به کاهش ریسک های ناشی از نوسانات شدید بازار و ارتقای بازدهی بلندمدت سرمایه گذاری ها منجر شود. در فضای پرتلاطم بازارهای مالی و حضور فزاینده فناوری های نوین، سرمایه گذاران و مدیران سرمایه نیازمند نگاهی فراتر از روش های سنتی مدیریت پرتفوی هستند و باید با اتکا بر مفاهیم هوشمند، داده محور و تحلیل های پیشرفته، استراتژی های سرمایه گذاری خود را شکل دهند. در این راستا، پژوهش حاضر با تمرکز بر توسعه ابزارها و روش های هوشمند، سعی دارد تا ساختار و فرآیندهایی را شناسایی کند که با کمک فناوری های پیشرفته و تحلیل داده، امکان شکل دهی رویکردی نظام مند و مقاوم در مواجهه با حباب های بازار سرمایه را فراهم آورد. این تحقیق از نوع کیفی و مبتنی بر تحلیل مضمون است و از طریق مصاحبه های هدفمند با مدیران سرمایه، کارشناسان خبره مالی و اساتید دانشگاهی حوزه مدیریت مالی و سرمایه گذاری انجام گرفته است. یافته ها نشان می دهد که طراحی یک مدل هوشمند برای مدیریت پرتفوی در شرایط حباب بازار، ضمن ایجاد همگرایی در فرآیند تصمیم گیری سرمایه گذاری و بهره مندی اثربخش از اطلاعات محیطی، می تواند رفتار مشارکتی را در تیم های سرمایه گذاری ارتقا دهد و ساختارهای انگیزشی نوینی را تعریف کند. بدین ترتیب، سرمایه گذاران قادر خواهند بود، همگام با کاهش ریسک های سرمایه گذاری و افزایش بازدهی، سبدهای سرمایه گذاری خود را در بلندمدت بهینه سازی کرده و از قابلیت های رقابتی خود بهره مند شوند.

بهینه سازی سبد سهام یک مسئله کاربردی عملی است. وظیفه این مسئله این است که سرمایه را به مجموعه ای از دارایی ها اختصاص دهد و هدف آن حداکثر کردن سود سرمایه گذاری با کم کردن احتمال ضرر و زیان (ریسک) است. این باعث می شود که بهینه سازی سبد سهام یک مسئله بهینه سازی چند هدفه باشد. همچنین این یک مسئله نویزی نیز است، اما در اغلب تحقیقات نویز نادیده گرفته می شود. در بهینه سازی سبد سهام کلاسیک، با استفاده از سود سهام سالیان گذشته نسبت به ایجاد سبد سهام بهینه کارآمد اقدام می گردد. ناگزیر سود مورد انتظار از سبد سهام دستخوش عدم قطعیت و نویز است. طبیعتاً ما از سود سهام در آینده هیچ اطلاعی نداشته و فقط بر اساس تخمین و انتظار خود از عملکرد سهام در آینده اقدام به سرمایه گذاری می نماییم که این خود نویز بالایی را در بر دارد. در این تحقیق از مدل میانگین-واریانس مارکویچ برای بررسی اثرات نویز بر سود حاصله از سبد سهام بهینه استفاده شده است. در این مقاله نشان خواهیم داد اگر نویز نادیده گرفته شود تصمیمات سرمایه گذاری می تواند به طور قابل توجهی اشتباه باشد. اگرچه نتایج در این مقاله منفی است، اما نتایج فواید قابل توجهی برای سرمایه گذاران دارد. زمانی که سود سهام دستخوش اغتشاش و نویز است سرمایه گذاران باید نسبت به انتخاب سبد سهام خود و نحوه سرمایه گذاری بسیار محتاط باشند.

هدف: این مطالعه به ارزیابی و مقایسه عملکرد الگوریتم های فراابتکاری با مدل کلاسیک مارکوویتز برای بهینه سازی سبد سهام در بازار سهام ایران که دارای نوسانات بالا و ناکارآمدی است، می پردازد. هدف اصلی، شناسایی تخصیص بهینه دارایی از بین ۶۴ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی یک دوره پنج ساله (1398-1403) و ارزیابی منتقدانه بده بستان های ارائه شده توسط هر روش از نظر ریسک، بازده و کارایی محاسباتی است. این نکته نشان می دهد که راه حل های فراابتکاری می توانند در کنار مدل کلاسیک مارکوویتز عملکرد بهتری در برخی جنبه های عملی سرمایه گذاری ارائه دهند، ضمن اینکه انتخاب نهایی باید مطابق با اولویت های سرمایه گذار باشد. این مطالعه چارچوبی کارآمد برای مدیران پرتفوی فراهم می کند تا ابزار بهینه سازی را بر اساس هدف ریسک-بازده و مهلت های تصمیم گیری خود ترکیب کنند. روش: این مطالعه از یک چارچوب تحلیلی مقایسه ای استفاده می کند و مدل بهینه سازی میانگین -واریانس کلاسیک مارکوویتز را در مقابل دو الگوریتم فراابتکاری قرار می دهد: الگوریتم چرخه آب (WCA) و بهینه ساز گرگ خاکستری (GWO). با استفاده از داده های تاریخی پنج ساله از ۶۴ شرکت در بورس اوراق بهادار تهران (1398-1403)، سبدهای سهام بهینه را بر اساس هر روش ایجاد می شود. سپس یک دستورالعمل جامع ارزیابی ریسک اعمال می گردد تا عملکرد سبد سهام را نه تنها از طریق معیارهای سنتی مانند نسبت شارپ و انحراف معیار، بلکه با ترکیب معیارهای پیشرفته ریسک مانند ارزش در معرض ریسک (VaR)، ارزش در معرض ریسک شرطی (CVaR) و حداکثر افت سرمایه (MDD) برای ارائه یک ارزیابی چندوجهی موردمطالعه و بررسی قرار دهد. در این راستا کارایی محاسباتی هر الگوریتم نیز به طور دقیق محک زده شد. یافته ها: نتایج به دست آمده، نکات ظریفی و قابل تأملی را ارائه می دهند. الگوریتم چرخه آب مزیت قابل توجهی در کارایی محاسباتی نشان می دهد که تقریباً 6.7 برابر سریع تر از بهینه ساز گرگ خاکستری است. علاوه بر این، در به حداقل رساندن حداکثر افت سرمایه ، یک معیار ریسک حیاتی برای حفظ سرمایه در درازمدت، عملکرد فوق العاده ای داشت. با این حال، برخلاف فرضیه اولیه، مدل مارکوویتز در کنترل نوسانات روزانه (انحراف معیار) و کاهش ریسک دنباله افراطی از WCA بهتر عمل کرد. GWO به طور مداوم در تمام معیارهای کلیدی عملکرد ضعیف تری داشت. این یافته ها تأکید می کنند که برتری الگوریتم به شدت به معیار ریسک خاصی که توسط سرمایه گذار اولویت بندی می شود، وابسته است، نه اینکه یک برنده مطلق را ارائه دهد. نتیجه گیری: از نتایج این تحقیق آن است که روش های فراابتکاری مدرن مانند WCA جایگزین های کاملی نیستند، بلکه مکمل های قدرتمندی برای مدل های کلاسیک هستند.WCA به عنوان ابزاری برتر برای سرمایه گذارانی که سرعت محاسباتی و انعطاف پذیری در برابر رکودهای طولانی مدت بازار را در اولویت قرار می دهند، پدیدار می شود. در مقابل، مدل مارکوویتز همچنان یک انتخاب قوی برای مدیریت نوسانات کوتاه مدت است. این مطالعه بر لزوم همسو کردن انتخاب ابزار بهینه سازی با اهداف سرمایه گذاری خاص و تعاریف ریسک تأکید می کند و یک چارچوب عملی برای سرمایه گذاران و مدیران پرتفوی در بازارهای نوظهور مانند ایران ارائه می دهد. این تحقیق با ارائه چارچوب مقایسه ای منسجم، به کارفرمایان و سرمایه گذاران نشان می دهد که پیاده سازی آزمایشی و ارزیابی مستمر با در نظر گرفتن ابعاد مختلف ریسک (VaR، CVaR، MDD) و معیارهای کارایی محاسباتی، می تواند به بهبود کیفیت تصمیم گیری ها در بازارهای با اطلاعات ناقص کمک کند.